问题标签 [openturns]

我使用 xlwings 设置了一个带有 Python 脚本的电子表格工具。到目前为止一切正常，我正在使用 Spyder 从 Anaconda 运行它。我可以从 Excel（使用 VBA 连接）和 Python 运行脚本，两者都运行良好。

现在我正在尝试改进它，我正在使用 OpenTURNS 模块中的函数。所以我添加了这一行：import openturns as ot. OpenTURNS 安装正确，因为我可以在 Spyder 中使用它的功能。

从 Spyder 我可以运行脚本并将结果写入 Excel，但是如果我从 Excel 运行它，我会收到错误：

所以出于某种原因，虽然 Spyder 可以找到 openturns 模块，但如果我做同样的事情并从 Excel 运行它，它就找不到它。考虑到我仍然可以从 Spyder 运行所有内容，Excel 和 Python 之间的连接应该是一些错误。但是，据我了解，VBA 调用 python 之后 Python 接管，所以我不知道在哪里看。希望任何人都可以提供帮助。

我在 Windows 7 64 位上运行 Anaconda 4.3.1 (Python 3.6.1) 并且无法将 theano 和 openturns 都导入到我的会话中，但是只导入一个或另一个可以正常工作。显然，一个在另一个中引起了某种导入冲突，但我对导入过程的了解还不够，无法确定原因。

如果 theano 被导入并且我尝试导入 openturns，我会得到这个：

如果我尝试相反，其中 openturns 被导入，然后我尝试导入 theano，我得到这个：

不确定是否相关，但 Theano 安装要求我将包含一些 DLL 的文件夹添加到系统 PATH。谢谢！

我想使用软件包 lpsolve55 和 openturns 但它们不适用于 python 3.6，有没有办法为这个版本的 python 安装它们？

我有一些数据需要测试，看看它是否来自具有未知参数的Weibull 分布。在R中我可以使用https://cran.r-project.org/web/packages/KScorrect/index.html但我在 Python 中找不到任何东西。

使用 scipy.stats 我可以拟合参数：

然而，为了把它变成一个测试，我认为我需要执行一些蒙特卡罗模拟（例如https://en.m.wikipedia.org/wiki/Lilliefors_test）我不知道该怎么做。

如何在 Python 中进行这样的测试？

我有一个 Python 函数，它有 2 个输入 X0 和 X1 以及 1 个输出 Y：

例如，当 X0~Normal(1,3) 和 X1~Normal(2,4) 时，我想估计泰勒分解的输出 Y 的方差。

使用OpenTURNS很容易：

前面的脚本打印：

泰勒展开式的协方差基于函数的梯度和边际的方差。问题是这里函数的梯度是从有限差分中计算出来的。很遗憾，因为这里的精确梯度很容易计算：

但是，我不知道如何定义PythonFunction具有用户定义渐变的 a：这可能吗？

我在文档中搜索，发现以下有用的页面，这些页面并没有引导我找到解决方案：

• http://openturns.github.io/openturns/latest/examples/reliability_sensitive/central_tendency.html展示了如何计算这个，但是从一个符号函数，我想要一个 Python 函数。
• http://openturns.github.io/openturns/latest/examples/functional_modeling/python_function.html展示了如何定义 Python 并计算梯度，但我想设置用户定义的梯度，而不是使用有限差分默认实现.

如何使用 OpenTURNS 创建包含连续和离散随机变量的实验设计？

我知道我们可以这样做：

但这只会创建一个连续的联合分布，我可以从中进行采样。但是如何创建连续变量和离散变量的联合分布呢？那我可以从中取样吗？

我有一个空间二维域，比如 [0,1]×[0,1]。在这个域中，有 6 个点可以观察到一些感兴趣的标量（例如，温度、机械应力、流体密度等）。如何预测未观察点的兴趣数量？换句话说，我如何在 Python 中插入空间数据？

例如，考虑 2D 域（输入）中的点的以下坐标和感兴趣数量的相应观察值（输出）。

X 和 Y 坐标可以通过以下方式提取：

以下脚本创建一个散点图，其中黄色（分别为蓝色）代表高（分别为低）输出值。

我想使用克里金法预测二维输入域内规则网格上的感兴趣标量。我怎样才能在 Python 中做到这一点？

一般来说，我有一个模型 g，它观察到输入 X、参数 θ 和观察到的输出 Y。但是，在某些情况下我没有观察到输入 X。在这种情况下，使用 OpenTURNS 似乎是不可能的，因为例如，LinearLeastSquaresCalibration该类需要输入样本。

为了提供一个基本的用例，让我考虑以下示例，该示例改编自LinearLeastSquaresCalibration该类的文档。

我们首先定义要校准的模型 g。

然后我们定义输入随机向量。这是一组 3 个Dirac分布。

然后我们创建输出 H 的 Monte-Carlo 样本。在这种情况下，这是一个包含常数值的样本。

然后我们生成观察噪声并将其添加到模型的输出中。

最后，我们定义theta参数的参考值。

然后我们来到这个例子的核心。以下语句从模型创建校准函数。

因此，校准后的函数没有输入，这就是为什么我们设置一个空列表作为输入参数来检查它是否有效。

该类的构造函数需要一个示例inputObservations：

但是，在这种情况下，我们没有这样的输入样本。如何使用校准工具？

我想估计OpenTURNS中正态分布的混合模型的参数（即高斯随机变量的加权和的分布）。OpenTURNS 可以创建这样的混合，但它不能估计它的参数。此外，我需要将混合物创建为 OpenTURNS 分布，以便通过函数传播不确定性。

例如，我知道如何创建两个正态分布的混合：

在这个例子中，我想在给定的样本上估计mu1, sigma1, mu2, 。sigma2为了创建一个工作示例，很容易通过模拟生成一个示例。

我有 500 个点，经度 x、纬度 y、高度 z 以及这些点的值。

另一方面，除了已知的纬度、经度和海拔高度之外，我还有其他 200 个点想要插值。

我想考虑点的高度和这些点之间的地理位置进行插值，我的地图是西班牙。

一个例子：

我有 2 个点 (x,y,z) 和 (x',y',z')。实际距离是黑线，多项式插值是蓝线（近似距离），这两个点之间的欧几里得距离是红线。我想获得蓝线或黑线距离。

以下以 (x,y) 作为输入的示例适合：

https://nbviewer.jupyter.org/github/cjohnson318/geostatsmodels/blob/master/notebooks/KrigingExample.ipynb

但我还想将高度 z 作为输入参数进行管理。

Python中的一些库？一些教程？