它有什么作用?
拉丁超立方体采样 (LHS) 是一种用于计算机实验的分层空间填充设计,由 McKay、Beckman 和 Conover 于 1979 年提出。它将每个输入变量的范围划分为等概率的层,并从每层中抽取一个样本,确保以远少于标准蒙特卡洛模拟所需的模型评估次数来覆盖整个输入空间。它通常与全局敏感性分析(特别是 Sobol 指数)配对使用,以量化每个输入对输出变异性的驱动程度。
方法背后的直觉
想象一下,您想了解一个复杂的计算机模型在各种输入组合下的响应情况,但每次模型运行的成本都很高。标准蒙特卡洛方法随机抽取样本,可能会因为偶然的原因导致输入空间的大部分区域覆盖不足。拉丁超立方体采样通过类似精细网格的方式来避免这种情况:它将每个输入维度划分为等可能性的切片,并保证每个切片在样本中都恰好出现一次。其结果是一组输入点,比随机抽样更均匀地分布在参数空间中,因此每次运行能学到更多关于模型行为的信息。当与 Sobol 敏感性指数结合使用时,该方法还能告诉您哪些输入最重要——这是在投入进一步分析或校准之前的一个关键步骤。
历史学
拉丁超立方体采样由 McKay、Beckman 和 Conover 在 1979 年发表于 Technometrics 的一篇论文中提出,该论文将其与简单随机抽样和分层随机抽样进行了比较,作为探索计算机模型输出的方法。该名称源于拉丁方阵的组合结构,该结构被扩展到更高维度:就像拉丁方阵在网格的每一行和每一列中放置一个符号一样,LHS 在多维分层网格的每一行和每一列中放置一个样本。该方法成为计算机实验设计(由 Sacks 等人于 1989 年正式化)的基石,其与基于方差的全局敏感性分析的配对由 Saltelli 及其同事在 20 世纪 90 年代和 21 世纪初系统化,最终由 Saltelli 等人(2008 年)的广泛使用的教科书处理达到顶峰。
何时使用
当您需要探索计算成本高昂的模型在输入空间中的响应,并且全因子设计或标准蒙特卡洛设计成本过高时,LHS 是适用的。该方法要求能够指定输入变量的边界和分布——即使是近似的边际分布也足够了。当输入是连续变量时,它特别适合全局敏感性分析。如果输入变量之间存在强相关性,请在抽样前应用 Iman-Conover 校正。当模型评估成本很低时,具有非常大样本量的标准蒙特卡洛是一种更简单的替代方法;当您只需要局部敏感性时,基于梯度的 G方法可能提供更多信息。
局限与注意事项
- 要求预先指定输入分布和边界;不恰当的分布选择可能无法准确反映真实的参数空间。
- Sobol 敏感性分析需要 N·(k+2) 的样本量,当输入数量 k 很大时,这会变得很大。
- LHS 不能保证在高维空间中的最优性——随着维度的增加,其相对于随机抽样的优势会减弱。
- 该方法是纯探索性的;它本身不估计输出分布的不确定性,除非进行额外的分析。
来源中的条件不能替代独立的科学审查或分析引擎的验证。
优势
- 与标准蒙特卡洛相比,以显著减少模型评估次数达到相似的估计精度,对于昂贵的模拟非常高效。
- 通过分层确保每个输入变量的范围得到充分覆盖,消除了纯随机抽样中存在的样本聚集和空白区域。
- 与 Sobol 全局敏感性指数自然配对,能够对输入重要性进行有原则的排序。
- 适用于任何黑盒模型——不需要导数信息或解析形式。
- Iman-Conover 扩展在不牺牲空间填充特性的情况下处理相关输入。
应用
- 环境和气候模型中的不确定性和敏感性分析,因为在全分辨率下运行模型数千次是不可行的。
- 可靠性工程和结构安全:通过有限元模型传播不确定的材料属性和载荷,以估计失效概率。
- 药物和生物医学建模:探索不确定的生理参数如何影响药代动力学模型中的药物浓度预测。
- 金融风险分析:对不确定的市场参数进行抽样,以估计复杂定价模型下的投资组合风险价值。
- 基于智能体的社会模拟:系统地探索不确定的行为参数如何影响总体结果。
使用方式
使用方式
为每个不确定的输入变量分配一个概率分布(均匀分布、正态分布、对数正态分布等),并指定其可能的取值范围。此步骤在抽样开始之前明确分析师对每个参数的了解(或假设)。如果输入变量之间存在相关性,可以使用 Iman-Conover 秩相关方法来在保持其依赖结构的同时生成有效的 LHS 设计。
将每个输入变量的累积分布划分为 N 个等概率区间(层)。从每个层中随机抽取一个值,然后独立地随机排列 N 个抽取值以对应不同的输入变量。结果是一个 N × k 的矩阵(N 个样本,k 个输入),其中每一行是一个不同的输入值组合,并且每一层在每一列中恰好出现一次。这种分层特性使得 LHS 比简单的随机抽样更有效。
在每个抽样的输入组合上评估计算机模型——可以是模拟、有限元求解器、基于智能体的模型或任何黑盒函数。输出值构成一个长度为 N 的向量 Y。通常建议的最小样本量为 1000 次运行;低于此阈值,LHS 相对于纯蒙特卡洛的覆盖优势会减弱,Sobol 指数也会变得不可靠。特别是对于 Sobol 分析,所需的样本量增长为 N·(k+2),其中 k 是输入的数量。
从模型输出中估计 Sobol 方差敏感性指数。一阶指数 S_i 衡量仅由输入 i 引起的总输出方差的比例;全阶指数 S_Ti 捕捉直接效应和交互效应。它们共同根据重要性对输入进行排序,识别哪些参数可以固定而不会丢失信息,并指导模型简化和进一步的校准工作。
常见陷阱
- 使用少于 1000 个样本点:参数空间覆盖不足,且从小样本计算出的 Sobol 指数方差很大,不可靠。
- 忽略输入相关性:将相关输入视为独立会扭曲样本并导致误导性的敏感性估计——当相关性不可忽略时,务必应用 Iman-Conover 校正。
- 混淆一阶和全阶 Sobol 指数:如果一个输入参与了全阶指数所捕捉到的强交互作用,那么它的一阶指数可能很小,但这并不意味着该输入不重要。
- 当模型是确定性的且非常光滑时应用 LHS:在这种情况下,代理模型或基于梯度的 G方法可能以更低的成本提供相同的洞察。
常见问题
LHS 与标准蒙特卡洛抽样有何不同?
两种方法都用于为模拟抽取输入空间样本,但它们在样本放置方式上有所不同。标准蒙特卡洛独立且均匀地随机抽取每个样本点,这可能导致输入空间的某些区域因偶然因素而被过度代表,而另一些区域则稀疏。LHS 强制执行分层规则:每个输入变量的范围被划分为等概率区间,并且每个区间恰好放置一个样本。这保证了在相同样本点数量下对输入空间的更好覆盖,从而降低了许多感兴趣量的估计方差。
需要多少样本?
通常建议使用至少 1000 个样本点作为 LHS 可靠覆盖输入空间的阈值。对于 Sobol 敏感性分析,所需的样本量为 N·(k+2),其中 k 是输入变量的数量。例如,对于 10 个输入和 N = 1024,模型评估的总数为 12 288。低于 1000 个样本,LHS 的空间填充优势会减弱,Sobol 指数会变得高度不确定。
什么是 Sobol 指数?为什么它们与 LHS 一起使用?
Sobol 指数是基于方差的敏感性度量。一阶指数 S_i 量化了总输出方差中有多少是由输入 i 单独解释的;全阶指数 S_Ti 捕捉了输入 i 及其与所有其他输入的交互作用的组合效应。它们通常与 LHS 配对使用,因为 LHS 在输入空间上产生了一个分布良好的样本,这是 Sobol 指数 Saltelli 估计量的起点。这两种技术共同作用,识别出哪些输入驱动模型输出,哪些可以视为固定——这是模型简化和校准规划的关键步骤。
当输入变量相关时该怎么办?
标准的 LHS 在输入变量独立的前提下生成样本。当输入变量相关时,请将 Iman-Conover 秩相关方法作为后处理步骤应用:它重新排列 LHS 的列,以在保持边际分布和分层特性的同时,诱导出输入变量之间所需的秩相关性。忽略已知的相关性会夸大或缩小敏感性估计,并对哪些输入最重要给出误导性的图景。
相关方法
参考文献
McKay, M.D., Beckman, R.J. & Conover, W.J. (1979). A Comparison of Three Methods for Selecting Values of Input Variables in the Analysis of Output from a Computer Code. Technometrics, 21(2), 239-245.
打开 DOI 文献已复制。Saltelli, A., Ratto, M., Andres, T., Campolongo, F., Cariboni, J., Gatelli, D., Saisana, M. & Tarantola, S. (2008). Global Sensitivity Analysis: The Primer. Wiley.
打开 DOI 文献已复制。