我想使用 Sobol 方法对 Python 中的复杂模型运行敏感性分析。该模型包括连续、离散和 bool 输入参数。
是否可以使用 SALib python 包来执行此分析?具体来说,我可以使用 saltelli.sample 方法生成准随机输入参数集,因为其中一些输入参数实际上没有上限或下限,而只有几个离散选项(例如 0 或 1)
这是来自 SALib 文档的 saltelli.sample 方法(生成低差异序列)的示例:
from SALib.sample import saltelli
import numpy as np
problem = {
'num_vars': 3,
'names': ['x1', 'x2', 'x3'],
'bounds': [[-np.pi, np.pi]]*3
}
# Generate samples
param_values = saltelli.sample(problem, 1000, calc_second_order=True)
我的问题是,如果我的输入参数更像这样,我如何(如果有的话)使用此方法:
x1: continuous (so possible values could be 0, 0.01, 1.2...0.987)
x2: boolean (so possible values are 0 or 1)
x3: discrete (so possible values are 0, 0.25, 0.5, 0.75, or 1)
请您参考如下方法:
解决方案发布在 Github 上,想在这里分享给其他人:
目前还没有办法(正确地)对离散值或 bool 值进行采样。所以我建议一个技巧:对连续范围进行采样并四舍五入到您想要的最接近的值。
如果它是一个 bool 变量,在 [0,1] 上采样并向上或向下舍入。如果它是离散的,有 N 个结果,在 [0,N] 上采样并四舍五入到最接近的整数。
前段时间有一篇博文讨论过这个问题: https://waterprogramming.wordpress.com/2014/02/11/extensions-of-salib-for-more-complex-sensitivity-analyses/ (列表中的第 2 项)
这有点老套,但我认为这是或多或少被接受的做事方式,尤其是当您混合使用连续变量和离散变量时。
