UQPyL

Python 中的不确定性量化、校准与优化工具

  • 用统一的 Problem / ModelProblem 定义不确定性量化、校准与优化任务
  • 运行试验设计、敏感性分析、贝叶斯推断等方法
  • 为高成本仿真构建代理模型,并支持代理辅助优化
  • 使用基准问题测试和比较算法表现

问题与工作流

UQPyL 从可复用的问题定义开始,把采样、分析、推断、代理建模、校准和优化连接到同一套接口上。

从 Problem 出发
  1. 01

    定义 Problem

    把变量、边界、目标、约束或仿真模型封装成统一入口。

    Problem/ModelProblem
  2. 02

    运行方法

    把同一个 problem 传给 DOE、分析、优化、推断、校准或代理模型模块。

    DOE/Analysis/Optimization/Inference/Calibration/Surrogate
  3. 03

    查看结果

    读取标准结果对象,或查看保存下来的运行记录。

    verbose/log/save
模块地图UQPyL architecture map

六大功能模块

每个模块负责不确定性量化、校准与优化工作流中的一个核心环节。

试验设计

01

为模型探索、敏感性分析、推断和代理模型训练生成输入样本。

试验设计
LHSSobolSaltelli
查看

代理模型

02

近似高成本模型,加速分析、率定和优化工作流。

代理模型
KrigingGPRBF
查看

敏感性分析

03

量化输入不确定性对输出的影响,并识别关键变量。

敏感性分析
SobolFASTMorris
查看

参数推断

04

用贝叶斯采样方法估计不确定参数及其后验分布。

参数推断
MHDEMCDREAM-ZS
查看

模型校准

05

让模型参数拟合观测数据,支持水文和外部仿真工作流。

模型校准
GLUESUFI2IES
查看

优化

06

搜索单目标、多目标以及代理辅助场景下的最优决策。

优化
SCE-UANSGA-IIASMO
查看

应用案例

覆盖水文校准、代理辅助优化和完整不确定性工作流的代表性案例。

东江流域

结合敏感性分析与不确定性评估的水文模型校准案例。

东江流域

代理辅助优化

在高成本仿真场景下,结合自适应代理模型推进优化。

代理辅助优化

工作流总览

用一张紧凑示意图展示问题定义、模块和完整工作流如何衔接。

工作流总览

从这里开始

把首页作为进入 UQPyL 文档的主入口。