拉丁超立方抽样

关注次数: 95

下载次数: 9

文件大小: 60K

下载需要积分: 2

代码分类:

开发平台: matlab

上传会员: yhcpp

下载代码

预览代码

Downma.com:专注MATLAB源程序代码下载和分享

代码描述

应用背景

当使用拉丁超立方体技术从多个变量中抽样时,保持变量间的独立性很重要。为一个变量抽样的值,需要独立于为其它变量抽样的值(当然,除非特意希望相关)。独立性的保持通过为每个变量随机选择抽样的区间来实现。在某次迭代中,变量 #1 从分层 #4 抽样,变量 #2 从分层 #22 抽样,以此类推。这样保证了随机性和独立性,避免了变量之间的无意相关。

作为更加高效的抽样方法,拉丁超立方体在抽样效率和运行时间(由于少的迭代次数)方面带来巨大的好处。这些利益在基于 PC 的模拟环境如 @RISK 中特别明显。拉丁超立方体对于输入概率分布中包含低概率结果情况的分析也有帮助。通过强制模拟中的抽样包含偏远事件,拉丁超立方体抽样确保偏远事件在模拟的输出中被准确地代表。

当低概率结果非常重要的时候,只模拟低概率事件对输出分布的影响,运行这样的分析也很有帮助。在这种情况下,模型只对低概率结果的发生进行模拟 — 设定为 100% 的概率。这样做可以把低概率结果隔离开,直接研究其产生的结果

关键技术

拉丁超立方体抽样的关键是对输入概率分布进行分层。分层在累积概率尺度(0 到 1.0)上把累积曲线分成相等的区间。然后,从输入分布的每个区间或“分层”中随机抽取样本。抽样被强制代表每个区间的值,于是,被强制重建输入概率分布。简单的说就是,假设我们要在n维向量空间里抽取m个样本。

代码预览

LHS.pdf

contents.m

latin_hs.m

lhs_empir.m

lhs_empirco.m

lhs_iman.m

lhs_iman_n.m

lhs_stein.m

lhsu.m

ltqnorm.m

mchol.m

rank_corr.m

ranking.m

ransamp.m

test_sampling.m

test_sampling2.m

matlab 超拉丁,拉丁超立方抽样 专注matlab代码下载 Downma.com 当码网相关推荐

  1. matlab 识别签名,签名识别 专注matlab代码下载 Downma.com 当码网

    签名识别 关注次数: 67 下载次数: 1 文件大小: 22K 下载需要积分: 1 代码分类: 开发平台: matlab 上传会员: yhcpp 下载代码 预览代码 Downma.com:专注MATL ...

  2. 论文复现:模拟风电不确定性——拉丁超立方抽样生成及缩减场景(Matlab全代码)

    风电出力的不确定性主要源于预测误差,而研究表明预测误差(e)服从正态分布且大概为预测出力的10%.本代码采用拉丁超立方抽样实现场景生成[1,2].基于概率距离的快速前代消除法实现场景缩减[3],以此模 ...

  3. 模拟光伏不确定性——拉丁超立方抽样生成及缩减场景(Matlab全代码)

    光伏出力的不确定性主要源于预测误差,而研究表明预测误差(e)服从正态分布且大概为预测出力的10%.本代码采用拉丁超立方抽样实现场景生成[1,2].基于概率距离的快速前代消除法实现场景缩减[3],以此模 ...

  4. 模拟负荷不确定性——拉丁超立方抽样生成及缩减场景(Matlab全代码)

    与风电.光伏不确定性不同,负荷不确定性的分布函数.预测误差有别于风电.光伏出力的不确定性,本代码通过拉丁超立方抽样和快速前代消除法模拟了负荷的不确定性,并提供了如何修改分布函数/概率密度函数的思路. ...

  5. 试验设计——拉丁超立方抽样

    目录 1 性质 2 原理 3 实现 4 结果​ 1 性质 当我们要对某个昂贵函数或者一些试验数据建立代理模型时,前期实验设计对于初始采样点的选取尤为重要,如何尽可能用少量点能够得到空间填冲效果好的初始 ...

  6. 拉丁超立方抽样 Latin hypercube sampling,java 代码

    生成随机样本时,若是简单的随机抽样,会有数据过度聚集的问题,拉丁超立方抽样解决了这个问题. 下面用图说明两者的区别: 图中可以看出,简单随机抽样中的数据大部分在中间,而拉丁立方抽样则均匀产生在各个小区 ...

  7. 基于拉丁超立方抽样的风,光,负荷场景生成方法 风电功率场景生成 ,光伏功率场景生成,负荷场景生成

    基于拉丁超立方抽样的风,光,负荷场景生成方法 风电功率场景生成 ,光伏功率场景生成,负荷场景生成 通过后向场景削减BR得到典型场景及其概率 提供参考文献,完美复现! 语言:MATLAB ID:6430 ...

  8. 对应于正态分布的拉丁超立方抽样——Python版

    拉丁超立方抽样-正态分布 0.拉丁超立方抽样的理论基础 0.1.概况 0.2.基本原理 0.3.基本步骤 1.导入库和基本准备 2.生成两个(具有正态分布的随机变量)参数的随机数 2.1.生成第一个参 ...

  9. 拉丁超立方抽样的Python实现

    一.什么是拉丁超立方抽样     拉丁超立方采样是一种分层的蒙特卡洛采样方法,适用于多维空间均匀采样,适合于样本数较少的情况下使用.[1]     采样思想为:假设系统有m个因素,每个因素有n个水平. ...

最新文章

  1. 2016全球教育机器人发展白皮书
  2. python_字符串有时可以比较大小哦!
  3. 关于ActiveMQ的一点总结
  4. 类操作是什么意思?jQuery的类操作教程分享
  5. 第二章 使用unittest模块扩展功能测试
  6. Linux 用C/C++创建新文件并写入内容
  7. 网页设计中HTML常范的五个错误
  8. 使用C#登录带验证码的网站
  9. 2-3树与2-3-4树【转载】
  10. 小心了!一大波存储厂商术语正在靠近
  11. 浏览器用户用滤镜实现网页的翻转效果
  12. 合适的大数据安全分析平台如何选择
  13. linux安装包安装nginx,Linux tar包安装Nginx
  14. [图像处理-1]:颜色中英文对照表 颜色名字 色彩名称
  15. Access 查询的IIF的写法
  16. python函数教程:Python递归函数 二分查找算法实现解析
  17. Jmeter5.x线程组和Sampler基础组件-第一个测试计划
  18. python zen_Python彩蛋--zen of python
  19. 史上最详细的Vmware安装教程(一)-创建Linux虚拟机
  20. kubelet重新安装新版本报错Unit kubelet.service entered failed state.

热门文章

  1. Linux进程间通信第四讲 标准IPC之信号量集
  2. 《gcc五分钟系列》基础部分结束
  3. 实时的YcoCg-DXT压缩
  4. [ExtJS5学习笔记]第九节 Extjs5的mvc与mvvm框架结构简介
  5. mysql 分桶_mysql的分组和过滤桶where的组合运用
  6. mac kendryte使用model-cmpiler运行kpu-demo
  7. ICEM CFD结构化网格画边界层的方法
  8. 1加到100用python实现
  9. 树脂吸附六价铬废水处理
  10. 我公司php本地与线上环境