与传统的实验相比，仿真实验具有因子数多、各因子对应的水平数多以及指标多等特点。如果对每个因子都使用定量灵敏度分析，获取各因子的不确定性对仿真输出不确定性的影响，实验开销过大，不切实际。而且Pareto定理或20-80法则认为，只有少量因子对仿真输出起到重要作用。针对这一问题，本文结合仿真实验的特点，从灵敏度分析的角度出发，开展了以下几个方面研究。首先，针对仿真实验的特点，实验分析人员需要先筛选出重要因子，再定量分析这些重要因子的灵敏度系数。本文基于这个思想，提出了灵敏度分析过程模型；研究了典型的全局灵敏度分析方法，并对这些方法的特点进行了分析比较；结合灵敏度分析方法和实验设计的特点，提出了基于混合推理的灵敏度分析智能化技术，指导实验分析人员合理高效地完成灵敏度分析工作。其次，由于因子筛选和定量分析是灵敏度分析过程的核心，实验分析人员只有在了解筛选实验设计方法的基础上才能更高效地筛选因子。同时，定性或定量灵敏度分析需要通过采样产生样本数据。因此，本文一方面研究了顺序分支法及其衍生的方法、分式析因设计等筛选实验设计方法，另一方面研究了蒙特卡罗法、拉丁超立方抽样等采样实验设计方法。最后，由于灵敏度分析过程比较复杂、工作量大，这给实验分析人员的工作带来困难。为了提高灵敏度分析的效率和准确性，本文设计并实现了灵敏度分析辅助工具，协助实验分析人员分析灵敏度。该工具采用实验项目分阶段的管理模式和基于混合推理的智能化设计模式，并在实际灵敏度分析问题中得到应用，验证了工具的有效性。