Question

我想使用Sobol方法在python中对复杂模型运行灵敏度分析。该模型包括连续，离散和布尔输入参数。

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方法生成准随机的输入参数集，当其中一些实际上没有上限或下限但只有几个离散选项（例如0或1）< / p>

以下是SALib文档中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是这样的话，我怎么用（如果有的话）这个方法：

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)

Answer 1

解决方案发布在Github上，并想在这里与其他人分享：

现在没有办法（正确）采样离散值或布尔值。因此，我建议进行黑客攻击：对连续范围进行采样并舍入到您想要的最接近的值。

如果它是一个布尔变量，则在[0,1]上采样并向上或向下舍入。如果它与N个结果分离，则在[0，N]上采样并舍入到最接近的整数。

有一篇关于此事的博客文章： https://waterprogramming.wordpress.com/2014/02/11/extensions-of-salib-for-more-complex-sensitivity-analyses/（清单上的第2项）

这有点像hacky，但我认为这是或多或少被接受的做事方式，特别是如果你正在混合连续和离散变量。

使用带有布尔或离散输入参数的python SALib saltelli.sample方法

1 个答案: