1、本文采用Morris方法对耩撞苏粪参数的全局灵敏度进行评价。通过计算各个影响因素对输出结果的影响进行灵敏度分析。假设模型为，为模型中影响因素的个数，每个影响因素的变动范围为其虞蔫地咖拟合值的5%-20%。假设将其每个影响因素的变化范围映射到区间[0,1]，然后分成N个均匀间隔，成为{0,1/（N-1），...，1}。为了计算个参数的基本效应，需要（+1）模拟值，其方法与对每个参数扰动的局部灵敏度方法相同，称为一个“路径”。通过随机生成参数集的多个路径，我们得到了每个参数的基本效果的集合。计算总数为，其中r为路径数。
2、一次路径的步骤如下：（1）构建×m（m=+1）的矩阵B： 一开始每个参数必须随机从{0，1/（N-1），...，1}中取值作为样本。每个轨迹采样都有一个随机生成的不同起点。在矩阵B中，第1列表示每个参数的样本，相邻两列只有一个参数的取值不同。1表示变化的因素，0表示不变的因素。
4、式中，这里∆为预先设定的变化量，。由基本效应（EE）来评估，其定义为
6、平均值和均方差称为第参数的灵敏度因子，可对该参数的灵敏度进行判断：当平均撕良滤儆值很小时，则说明该参数对模型的影响很小，该参数不重要；当平均值较大，则说明该参数与模型输出有线性关系；均方差比较小时，则说明该参数与其他参数的相关性弱；但当平均值和均方差都比较大时，则说明该参数与模型输出有非线性关系，并且该参数与其他参数的相关性、关联性强。
