参数随机场，随机参数生成python代码，基于乔列斯基分解中点法分解

本人用python较多，但是matlib使用很少，没装在这个软件，故采用python语言重现编写，里面没有真实的单元坐标，只能假设三个单元进行测试，如存在错误请及时和我联系，平附上对应matlib代码共供参考。
话不多说，直接上代码

'''#假设均值、变异系数、相关距离'''
mu=np.array([20,24])
cov=np.array([0.3,0.2])
dh=np.array([40,40])
dv=np.array([1,4])
'''    end   '''
#考虑自相关函数影响的边坡可靠度分析,李典庆
sigma=mu*cov
print(sigma)
# % rxy=0;
# % rou=[1 rxy
# %  rxy 1];
'''生成对角矩阵'''
co_1_norm=0
co_mat1=[[1,co_1_norm],[co_1_norm,1]]  #生成相关系数矩阵
'''乔布斯及分解'''
L1=np.linalg.cholesky(co_mat1)
print(L1)
'''假设Coord'''
# Coord=xlsread('Coord.xls',1);
Coord=np.array([[1,1], [1,2], [1,3]])
# print(np.array(Coord).shape)
mLem=np.max(Coord.shape)#单元数量
# print(mLem)
pxy=np.zeros((mLem,mLem))
# print(pxy)
PXY=[]
for k in range(len(mu)):# print(k)for i in range(mLem):for j in range(mLem):dx = np.abs(Coord[i,0] - Coord[j,0])#单元之间的距离dy = np.abs(Coord[i,1] - Coord[j,1])## print(dx,dy)'''选择自相关系数'''case=2if case == 1:# 1 % 指数型自相关函数(SNX)pxy[i,j] = np.exp(-2 * (dx / dh[k] + dy / dv[k]))elif case==2:# 2 % 高斯型自相关函数(SQX)pxy[i,j] = np.exp(-np.pi * ((dx / dh[k]) ** 2 + (dy / dv[k]) ** 2))elif case==3:# 3 % 二阶自回归型自相关函数(CSX)pxy[i,j] = np.exp(-4 * (dx / dh[k] + dy / dv[k])) * (1 + 4 * dx / dh[k]) * (1 + 4 * dy / dv[k])elif case==4:4 % 指数余弦型自相关函数(SMK)pxy[i,j] = np.exp(-(dx / dh[k] + dy / dv[k])) * cos(dx / dh[k]) * cos(dy / dv[k])elif case==5:# 5 % 三角型自相关函数(BIN)if dx < dh[k] and dy < dv[k]:pxy[i,j] = (1 - dx / dh[k]) * (1 - dy / dv[k])else:pxy[i,j] = 0PXY.append(pxy)
PXY=np.array(PXY)
# print(PXY.shape)
L2=PXY
# print(L2)
for k in range(len(mu)):L2[k,:,:]=np.linalg.cholesky(PXY[k,:,:]).Tprint( L2[k,:,:])
# randn('state',0)
# rand('state',0)
Nsim=1000#生成多少个样本
snum=len(mu)*mLem#每个样本的列数
lhd = lhs(snum, samples=Nsim)
#
# print(np.eye(len(mu)*mLem))
# print(np.eye(len(mu)*mLem))
# print(np.zeros((len(mu)*mLem,1)))
UU = norm(np.zeros((len(mu)*mLem)),np.ones(len(mu)*mLem)).ppf(lhd).T  # this applies to both factors here
print(lhd.shape)
# Nsim=10
# UU=lhsnorm(zeros(len(nu)*mlem,1),np.eye(len(nu)*mlem), Nsim).T#这里T是转置
sLn=np.sqrt(np.log(1+(sigma/mu)**2)) #标准差
mLn=np.log(mu)-sLn**2/2  #均值
print('sln,mln',sLn,mLn)
c=np.zeros((mLem,Nsim))
phi=np.zeros((mLem,Nsim))
for imod in range(Nsim):U=np.array([UU[0:mLem,imod], UU[mLem:2*mLem,imod]])U_=np.dot(U.T,L1)print(U_)H0 = np.array([np.dot(L2[0, :, :], U_[:, 0]),np.dot(L2[1, :, :], U_[:, 1])])print(H0,H0.shape)#2x3# print(sLn[0] * H0[1, :])c[:, imod]=np.exp(mLn[0] + sLn[0] * H0[0, :])phi[:, imod]=np.exp(mLn[1] + sLn[1] * H0[1, :])# print('c,phi',np.mean(c),np.std(c))

matlib

感谢大家参考，请大家多多指教，最近会针对边坡的土体随机场进行代码的研究及公开，资源共享。

参数随机场，随机参数生成python代码，基于乔列斯基分解中点法分解相关推荐

乔列斯基(Cholesky)法解方程(python,数值积分)
第四课乔列斯基(Cholesky)法解方程首先要清楚二次型和正定矩阵 "二次型"可以定义为n个变量的二次表达式如果这个二次型的所有变量X的值都等于或大于零,那么这个二次型就是 ...
python数据框去重_【Python】基于某些列删除数据框中的重复值
Python按照某些列去重,可用drop_duplicates函数轻松处理.本文致力用简洁的语言介绍该函数. 一.drop_duplicates函数介绍 drop_duplicates函数可以按某列去 ...
python绘制星空图_【Python】基于某些列删除数据框中的重复值
阿黎逸阳精选Python.SQL.R.MATLAB等相关知识,让你的学习和工作更出彩(可提供风控建模干货经验). Python按照某些列去重 ,可用 drop_duplicates函数轻松处理 . ...
Python实现基于朴素贝叶斯的垃圾邮件分类标签： python朴素贝叶斯垃圾邮件分类 2016-04-20 15:09 2750人阅读评论(1) 收藏举报分类：机器学习（19）听说
Python实现基于朴素贝叶斯的垃圾邮件分类标签: python朴素贝叶斯垃圾邮件分类 2016-04-20 15:09 2750人阅读评论(1) 收藏举报分类: 机器学习(19) 听说朴 ...
乔姆斯基生成语法_乔姆斯基转换生成语法的发展及其影响
一.前言 1957 年<句法结构>的发表标志着乔姆斯基革命的开始,转换生成语法也得到越来越多的关注.一些人对乔姆斯基的理论表示赞成,"它提出了一项新的理论,对哲学和心理学具有革命 ...
乔姆斯基生成语法_《乔姆斯基的生成语法解读》.pdf
<乔姆斯基的生成语法解读>.pdf 2008年第6期广西社会科学 N0．6,2008 GI『ANGxI (总第156期) S陋HUI陋XUE 乔姆斯基的生成语法解读杨卫东戴卫平 (中国 ...
乔姆斯基生成语法_乔姆斯基与生成语法重点分析.ppt
Page ? * 乔姆斯基与生成语法 --关于语义问题的争论和扩充式标准理论时期乔姆斯基:语义解释取决于深层结构: 依照标准理论,表层结构与深层结构中的主语和宾语不同: <句法理论若干问题&g ...
乔姆斯基生成语法_浅议乔姆斯基转换生成语法
[摘要]转换生成语法提出了许多独创性的见解,以至于被称作是一场语言学的革命.本文将对以下几个相关问题逐一论述:转换生成语法的产生与发展;它的语言习得机制假说和句法理论. [关键词]转换生成语法;语言习 ...
plot参数详解python_30行Python代码实现3D数据可视化
作者:潮汐来源:Python技术欢迎来到编程教室~ 我们之前的文章中有讲解过不少 Matplotlib 的用法,比如: 完成这50个Matplotlib代码,你也能画出优秀的图表 25个常用Mat ...

参数随机场，随机参数生成python代码，基于乔列斯基分解中点法分解

参数随机场，随机参数生成python代码，基于乔列斯基分解中点法分解相关推荐

最新文章

热门文章