近年来,随着核能安全事件的频繁发生,采取有效的手段对核能安全进行科学的管理、评价已经成为一个重要的课题。概率安全评价方法(PSA)是目前广为使用的评价方法之一,建立完备高效的概率安全评价模型已经成为核安全领域常用的方法。由于普遍适用性,基于抽样方法的不确定性分析方法在PSA领域得到了广泛的应用。改进型分布式抽样方法(IHS)是一种优化的拉丁超立方抽样(LHS)方法,它提出了通过最优距离思想对样本点进行筛选,解决了LHS在样本空间分布不均匀的问题,但是其提出的最优距离只能在理想条件下达到最优,实际操作中会引入很大的误差,这就造成了IHS方法在实际使用中的局限性。在IHS抽样方法的基础上,如何引入新的方法,打破这种局限性成为我们研究的一个重要问题。本文首先回顾了不确定性分析的原理以及常见的抽样方法,然后重点分析IHS方法存在的不足,在此基础上提出了修正因子的概念对IHS方法进行优化,通过修正因子对最优距离进行修正。测试表明新方法提高了抽样效果,在低抽样维数情况下,抽样效果可以提高更为明显。在不同的抽样样本点数N和抽样维数M下,修正因子随着抽样情况的不同而有所不同。本文通过大量的数据分析,拟合出了修正因子曲线,并提出了基于因子函数的α-IHS方法,实验验证了新方法抽样均匀性的改进将近10%。本文方法应用到中国科学院核能安全技术研究所·FDS团队前期开发的可靠性和概率安全分析软件RiskA系统中。RiskA中最初采用的抽样方法是蒙卡抽样,通过本文方法的改进,新方法的抽样次数仅为原方法的50%甚至不到,减少了不必要的抽样次数,从而提高了系统相应模块的运行效率,做到方法与实际应用的有效结合,为后续发展更高效的不确定性分析方法打下良好基础。