SURGroup/UQpy

UQpy – 使用 Python 进行不确定性量化

简介 – UQpy 是一个 Python 工具箱，协助科学家与工程师量化物理或数学模型中的不确定性。它提供了一系列算法（例如：采样、代理模型、可靠度分析），可整合至工作流程中，将输入的不确定性传递至模型，并分析最终输出的变异性。

主要功能

• 适用于任何 Python ≥ 3.9 的项目；可通过 pip install UQpy 或 Conda 安装。
• 包含蒙特卡洛采样、马尔可夫链蒙特卡洛、多项式混沌展开、可靠度方法、贝叶斯推断等核心模块。
• 设计为通用且可扩展的函数库 – 开发者可加入自定义模型或统计方法。
• 在 Read-the-Docs 上提供完整文档，并以宽松的 MIT 授权条款发布。

维护团队 – 产品负责人 Michael D. Shields，首席开发者 Dimitris Giovanis、Audrey Olivier、Dimitris Tsapetis，以及来自 SURGroup 的开发团队与贡献者。

如何开始

1. 使用 pip install UQpy（或 conda install -c conda-forge uqpy）安装。
2. 在 Python 中导入包，并使用提供的类/函数进行采样、代理模型构建等。
3. 参阅在线文档以获取教程与 API 参考。
4. 若有问题，请使用 GitHub Discussions 页面；若发现错误，请开启 Issue。

典型应用场景

• 将测量或材料变异性传递至模拟中，以获取预测的置信区间。
• 执行工程系统的可靠度分析（例如：失效概率估计）。
• 建立代理模型（例如：多项式混沌）以加速昂贵的模拟。
• 针对实验数据进行模型参数的贝叶斯校准。

引用 – 若您发表的著作使用了 UQpy，请引用 README 中列出的 2020 年 Journal of Computational Science 论文。

---

以上所有信息均直接取自该仓库的 README。