MCMC-Bayes-Python：用于贝叶斯反演的自适应MCMC方法的Python代码库-源码

简介：
本项目提供了一个基于Python的代码库，实现了一种新颖的自适应马尔可夫链蒙特卡罗（MCMC）算法，专门针对复杂模型中的贝叶斯反演问题。 SurrDAMH 是一种贝叶斯反演的代理加速马尔可夫链蒙特卡罗方法，在Python中的实现是从后验分布 π 提供样本 (U | y) 的 α˚Fη(γ - G(U))π0(U)，其中 y 为给定观测向量，G 代表观测算子。fη 是高斯噪声观测的概率密度函数（PDF），而 π0(U) 则是高斯先验的 PDF。 为了使用 SurrDAMH 方法，需要安装以下软件包：NumPy、SciPy、pandas、mpi4py 和 petsc4py（用于“达西”示例）。对于“达西”示例还需要 MyFEM。此外，在“达西”示例中会用到自定义的通缩基础 pcdeflation，可以通过执行以下命令来构建： ``` make -C examples/solvers/pcdeflation clean make -C examples/solvers/pcdeflation build cython（用于pcdeflation构建） ``` 最后，使用 `conf_name` 来准备玩具示例：“简单”，“简单_MPI” 和 “达西”。