Skip to main content
 首页 » 编程设计

python之使用带有 bool 或离散输入参数的 python SALib saltelli.sample 方法

2025年04月02日19bonelee

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。