UQLab——其他概率分布随机变量转换标准Gaussian分布

1、使用UQLab将其他类型的随机变量转换成标准Gaussian分布；
2、使用科学计数法输出样本，方便后续ANSYS的调用分析；
3、基于MC的可靠度分析。

原随机变量分布类型：

% 调用UQLab进行采样
clc
clearuqlab
%% Specify these distributions as a UQLab INPUT object:
PriorOpts.Marginals(1).Name = 'E';               % Young's modulus
PriorOpts.Marginals(1).Type = 'LogNormal';
PriorOpts.Marginals(1).Moments = [2.1e11 2.1e10];   % (Pa)PriorOpts.Marginals(2).Name = 'A';
PriorOpts.Marginals(2).Type = 'LogNormal';
PriorOpts.Marginals(2).Moments = [2.0e-3 2.0e-4];       % (m2)Moments = [5.0e4 5.0e4*0.15];
Parameters = uq_weibull_MtoP( Moments );
PriorOpts.Marginals(3).Name = 'P1';
PriorOpts.Marginals(3).Type = 'Weibull';
PriorOpts.Marginals(3).Parameters = (Parameters);          % (N)       PriorOpts.Marginals(4).Name = 'P2';
PriorOpts.Marginals(4).Type = 'Weibull';
PriorOpts.Marginals(4).Parameters = (Parameters); PriorOpts.Marginals(5).Name = 'P3';
PriorOpts.Marginals(5).Type = 'Weibull';
PriorOpts.Marginals(5).Parameters =(Parameters); PriorOpts.Marginals(6).Name = 'P4';
PriorOpts.Marginals(6).Type = 'Weibull';
PriorOpts.Marginals(6).Parameters = (Parameters); PriorOpts.Marginals(7).Name = 'P5';
PriorOpts.Marginals(7).Type = 'Weibull';
PriorOpts.Marginals(7).Parameters = (Parameters); PriorOpts.Marginals(8).Name = 'P6';
PriorOpts.Marginals(8).Type = 'Weibull';
PriorOpts.Marginals(8).Parameters = (Parameters);
PriorOpts.Copula.Type = 'Independent';
myPriorDist = uq_createInput(PriorOpts);X_MC = uq_getSample(100,'MC');
X_LHS = uq_getSample(80, 'LHS');
X_Sobol = uq_getSample(500000,'Sobol');
X_Halton = uq_getSample(80,'Halton');% 将样本以科学计数法的方式输出成txt文件
fid = fopen('truss8.txt', 'wt');                                % -t模式按照文本而非二进制模式读写
fprintf(fid,[repmat('  %.4e  ', 1, size(X_Sobol,2)), '\n'], X_Sobol');      % 转置并适时(写完一列后)添加换行
fclose(fid); %% 将样本转化成标准高斯分布类型
UMarginals(1).Type = 'Gaussian';
UMarginals(1).Parameters = [0,1];
UMarginals(2).Type = 'Gaussian';
UMarginals(2).Parameters = [0,1];
UMarginals(3).Type = 'Gaussian';
UMarginals(3).Parameters = [0,1];
UMarginals(4).Type = 'Gaussian';
UMarginals(4).Parameters = [0,1];
UMarginals(5).Type = 'Gaussian';
UMarginals(5).Parameters = [0,1];
UMarginals(6).Type = 'Gaussian';
UMarginals(6).Parameters = [0,1];
UMarginals(7).Type = 'Gaussian';
UMarginals(7).Parameters = [0,1];
UMarginals(8).Type = 'Gaussian';
UMarginals(8).Parameters = [0,1];
UCopula.Type = 'Independent';U = uq_GeneralIsopTransform(X_MC,myPriorDist.Marginals, myPriorDist.Copula, UMarginals, UCopula);% 将样本以科学计数法的方式输出成txt文件
fid = fopen('truss_IsopTransform.txt', 'wt');                                % -t模式按照文本而非二进制模式读写
fprintf(fid,[repmat('  %.4e  ', 1, size(U,2)), '\n'], U');      % 转置并适时(写完一列后)添加换行
fclose(fid);


% 计算9个变量桁架结构的失效概率和可靠度指标
clear
clcload weiyi_B.txt
Q = abs(weiyi_B);
m = size(Q, 1);
R = ones(m, 1)*0.1;   % 最大位移
Z = R - Q;            % 功能函数
count = 0;            % 功能函数值小于零的个数
for i = 1:mif Z(i) < 0count = count + 1;end
end
pf = count/m;   % 失效概率
beta = norminv(1-pf);   % 可靠度指标
SS = [pf, beta];

UQLab——其他概率分布随机变量转换标准Gaussian分布相关推荐

机器学习中的数学——常用概率分布（五）：高斯分布（Gaussian分布）/正态分布（Normal分布）
分类目录:<机器学习中的数学>总目录相关文章: · 常用概率分布(一):伯努利分布(Bernoulli分布) · 常用概率分布(二):范畴分布(Multinoulli分布) · 常用概率 ...
理解：L1正则先验分布是Laplace分布，L2正则先验分布是Gaussian分布——复习篇
L1.L2正则化来源推导 L1L2的推导可以从两个角度: 带约束条件的优化求解(拉格朗日乘子法) 贝叶斯学派的:最大后验概率 1.1 基于约束条件的最优化对于模型权重系数w的求解释通过最小化目标函数 ...
概率论与数理统计(2.5)随机变量的函数的分布
随机变量的函数分布一.离散型随机变量函数的分布二.连续型随机变量的函数的分布 1.分布函数法解题 2.公式法关心的随机变量是某个能直接测量的随机变量的函数,这篇博文将总结如何已知随机变量X的概率 ...
理解：L1正则先验分布是Laplace分布，L2正则先验分布是Gaussian分布
L1.L2正则化来源推导 L1L2的推导可以从两个角度: 带约束条件的优化求解(拉格朗日乘子法) 贝叶斯学派的:最大后验概率 1.1 基于约束条件的最优化对于模型权重系数w的求解释通过最小化目标函数 ...
随机变量的函数的分布
离散型随机变量的函数的分布例题求法连续型随机变量的函数的分布例题分布小结
考研：研究生考试(七天学完)之《概率与统计》研究生学霸重点知识点总结之目录(随机事件、条件概率与独立性、随机变量的函数及其分布(数字特征)、统计学、统计量与抽样分布、点估计、区间估计、假设检验
考研:研究生考试(七天学完)之<概率与统计>研究生学霸重点知识点总结之目录(随机事件.条件概率与独立性.随机变量的函数及其分布(数字特征).统计学.统计量与抽样分布.点估计.区间估计.假设 ...
随机游动Metropolis算法拟合标准拉普拉斯分布
1. 题目分析使用随机游动的Metropolis抽样方法产生标准拉普拉斯分布的随机数,其中使用正态分布产生增量,比较由提议分布不同方差生成的链的差异,并比较每个链的接收概率. 2. 代码展示我们首 ...
第二章 2.5 随机变量的函数的分布
2.5 随机变量的函数的分布文章目录 2.5 随机变量的函数的分布离散型随机变量的函数的分布连续型随机变量的函数的分布本小节讲的就是一个题型:已知随机变量XXX的函数求含XXX一维表达式的函数 ...
二维随机变量的函数的分布
二维离散型随机变量的函数的分布典型例题 X+Y的分布律: 二维连续型随机变量的函数的分布二维连续型r.v函数的分布补充结论典型例题一离散一连续随机变量的函数的分布典型例题最值的分布定义 ...

UQLab——其他概率分布随机变量转换标准Gaussian分布

UQLab——其他概率分布随机变量转换标准Gaussian分布相关推荐

最新文章

热门文章