【场景削减】拉丁超立方抽样方法场景削减（Matlab代码实现）

欢迎来到本博客❤️❤️

博主优势：博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。

⛳️座右铭：行百里者，半于九十。

本文目录如下：

目录

1 概述

2 运行结果

3 Matlab代码实现

4 参考文献

---

1 概述

知识回顾：

基于概率距离削减法、蒙特卡洛削减法的风光场景不确定性削减（Matlab代码实现）

基于蒙特卡诺的风、光模型出力【蒙特卡诺场景削减】（Matlab代码实现）

拉丁超立方抽样方法LHS最早是由McKay等1[5$提出，现已用于很多领域[60-63]。将LHS应用于结构可靠性分析，可提高数值模拟结构可靠性分析样本代表性，进而提高结构可靠性分析结果
精度与效率。

LH重要抽样法与蒙特卡罗重要抽样法类似，都是首先选取样本，用样本的失效频率近似母体的失效概率。将LHS取得的样本运用到重要抽样中称为LH重要抽样可靠性分析方法。当重要抽样
是简单重要抽样时简单LH重要抽样(standard importance latin hypercupe samping, Sl[LHS)的
计算公式如下。首先是在标准正态分布空间内进行拉丁超立方抽样，得到样本U。

                                         
 

拉丁超立方相较于蒙特卡洛，改进了采样策略能够做到较小采样规模中获得较高的采样精度。

2 运行结果

3 Matlab代码实现

4 参考文献

部分理论来源于网络，如有侵权请联系删除。

[1]张巍峰,车延博,刘阳升.电力系统可靠性评估中的改进拉丁超立方抽样方法[J].电力系统自动化,2015,39(04):52-57.

[2]刘鹏. 基于改进拉丁超立方重要抽样方法的结构可靠性分析[D].暨南大学,2016.