搜索资源列表
Latin-Hypercube-Sampling
- 此源码会产生一个平方空间上随机的领域。样品创建拉丁超立方抽样和空间相关性是基于Cholesky分解算法-This source will generate a random field on a square space. Samples to create a Latin Hypercube Sampling and spatial correlation is based on the Cholesky decomposition algorithm
LHS
- 拉丁超立方抽样，调用方式如下：S=lhs(m,dist,mu,sigma,lowb,upb) m: a scalar,the number of sample points dist: A row with distribution type flags of basic random variables the value of the flag can be 1 (for uniform distribution, 2(for normal distribution), 3
lhs
- 这个程序组是拉丁超立方模拟程序，是高级的monte carlo模拟随机抽样。-This program group is Latin hypercube simulation program, it is the senior monte carlo simulation of random sampling.
WT_PV_Load_Scenario
- 针对电力系统中风电和光伏出力以及负荷不确定性问题，该程序通过拉丁超立方抽样和样本削减将其转化为场景分析问题。-For stroke power and photovoltaic power system output and load uncertainty, the program by Latin Hypercube Sampling and sample reduction to convert it into a scene analysis of the problem.
LHS
- 拉丁超立方抽样试验设计程序：输入多维变量样本和所需组数，输出基于拉丁超立方抽样方法的实验设计结果-LHS test design program:input the multidimensional variable samples and the number set, output the design of experiment results based on Latin hypercube sampling method
modify_surrogate
- 拉丁超立方抽样及BP神经网络代理模型的建立与预测误差分析(Latin hypercube sampling & BP neural network model)
拉丁超立方体抽样
- 完成采样空间的采样，适合于响应面，近似模型之前的采样工作，文件夹中有具体介绍(The sampling space is completed. It is suitable for the response surface and the sampling work before the approximation of the model. The folders are introduced in detail.)
latin_hs
- 实用的抽样方法，适用于总体量大、差异程度较大的情况。先将总体单位按其差异程度或某一特征分类、分层，然后在各类或每层中再随机抽取样本单位。分层抽样实际上是科学分组、或分类与随机原则的结合。分层抽样有等比抽样和不等比抽样之分，当总数各类差别过大时，可采用不等比抽样。(Latin Hypercube Sampling)
1
- 多参量拉丁超立方抽样，正态分布、均匀分布、参量之间有无相关性(Multi parameter Latin hypercube sampling)
不确定性处理方法
- 拉丁超立方抽样，对正态分布进行的抽样，使抽样数据更加均匀(kyewbdhukndfvjrennvgvdgx)
LHS-Kriging
- 正态分布、均匀分布拉丁超立方抽样，Kriging模型(LHS,Kriging,latin_hs,lhsu)
lx_程序
- 1、基于历史风速拟合威布尔分布函数 2、进行拉丁超立方抽样 3、进行后向缩减(1. Fitting Weibull distribution function based on historical wind speed 2. Latin hypercube sampling 3. Backward reduction)
拉丁超立方抽样
- 拉丁超立方，去抽取样本，是一种从多元参数分布中近似随机抽样的方法，属于分层抽样技术，常用于计算机实验或蒙特卡洛积分等。(Latin hypercube sampling)
e702633d
- 拉丁超立方抽样（英语：Latin hypercube sampling，缩写LHS）是一种从多元参数分布中近似随机抽样的方法，属于分层抽样技术，常用于计算机实验或蒙特卡洛积分等。(Latin hypercube sampling (abbreviated LHS) is an approximate random sampling method from multivariate parameter distribution. It belongs to stratified sampling
lhs
- 拉丁超立方抽样技术最早于1979年由McKay等提出，该方法具有以下优点： 具有均匀分层的特性 可以在较少抽样的情况下，得到尾部的样本值 以上两点使得拉丁超立方抽样比起普通的抽样方法更加的高效。 首先确定样本数N，既要抽取的样本数目 将（0，1）区间均分为N段 在这N段中的每一段随机的抽取一个值 将抽取的值通过标准正态分布的反函数映射为标准正态分布样本 打乱抽样顺序，用matlab中的sort函数