Monte Carlo LCIA 不确定性分析问题

Question

我尝试运行一个 Monte Carlo 分析，但在特征因子上存在不确定性。代码运行ning 很好（没有错误）但是每次迭代的结果总是相同的。计算仅适用于 LCA 模拟。

代码如下：

示例 LCIA 方法的定义

some_exchange = bw.Database('biosphere3').random()
my_cf = [(some_exchange.key,
      {"amount": 10,
       "uncertainty_type": 4,
       "minimum": 0,
       "maximum": 20}
     )]
uncertain_method = bw.Method(("fake", "method", "with uncertainty"))
uncertain_method.write(my_cf)

简单的定义activity

simple_LCI_db = bw.Database('simple LCI db')
simple_LCI_db.write(
    {('simple LCI db', 'some_code'): 
        {'name': 'fake activity',
         'unit': 'amount',
         'exchanges': 
            [
                {'input': ('simple LCI db', 'some_code'),
                 'amount': 1,
                 'type': 'production'},
                {'input': some_exchange.key,
                 'amount': 1,
                 'type': 'biosphere'},                
            ]
        },

})

Monte Carlo代码

mc = bw.MonteCarloLCA({('simple LCI db', 'some_code'):1}, ('fake', 'method', 'with uncertainty'))
next(mc)

不确定性定义有问题吗？

感谢您的帮助！

Answer 1

您只需要稍微不同地定义您的 uncertainty dictionary：在 Brightway 中，uncertainty type 没有 _，即

my_cf = [(some_exchange.key,
      {"amount": 10,
       "uncertainty type": 4, #and not "uncertainty_type"
       "minimum": 0,
       "maximum": 20}
     )]

您可以在 Brightway documentation

的 Brightway 框架中看到 uncertainty dictionary 的架构

你写的就像在stats_arrays documentation中定义的那样。我不知道它们为什么不同，即为什么在一种情况下我们有 uncertainty type 而在另一种情况下我们有 uncertainty_type，但只需删除你的 _ 并且你的代码将起作用。

Monte Carlo LCIA 不确定性分析问题

Issue with Monte Carlo analysis with uncertainty on LCIA

uncertainty

brightway