config.toml

# config.toml — UNICA fonte dei valori di fitseg. Suffissi: _s secondi, _c gradi C, _rel frazione.
# Nessun default nel codice: chiave mancante = errore (exit 3).

[dati]
colonna_tempo = "t_ms"
unita_tempo = "ms"                 # "ms" | "s"
serie = ["T_C", "dT_C"]            # colonne da approssimare
separatore = ","

[domini]                           # riconoscimento di riposo / riscaldamento (salita rapida) / raffreddamento (decadimento)
serie_riferimento = "T_C"          # serie su cui si cercano i gradini di riscaldamento
soglia_gradino_c = 20.0            # salita complessiva (somma dei campioni consecutivi in salita) che segna un gradino di riscaldamento
soglia_bordo_sigma = 6.0           # un campione è "in salita" se il salto verso il successivo supera soglia × sigma robusta dei salti
distanza_min_salti_campioni = 3    # campioni in salita più vicini di così (in indici) appartengono alla stessa salita
n_min_punti = 6                    # campioni minimi per fittare un dominio con parametri liberi (sotto: "indeterminato")
n_min_punti_parametri_fissi = 4    # campioni minimi quando c e tau sono fissi e si stima solo A (raffreddamenti intermedi corti)
scarta_dopo_salto_n = 0            # campioni esclusi all'inizio di ogni raffreddamento (0: la salita è già nel dominio di riscaldamento)

[fit]
raffreddamento_intermedio_fissa_da_finale = ["c", "tau"]   # i raffreddamenti tra due gradini (corti) fissano questi parametri a quelli del raffreddamento finale ([] = liberi)
perdita = "soft_l1"                # "linear" | "soft_l1" | "huber" (robusta agli outlier)
scala_perdita_sigma = 3.0          # scala della perdita robusta, in unità di sigma rumore
tau_min_rel = 0.05                 # limite inferiore di tau, come frazione della durata del dominio
tau_max_rel = 50.0                 # limite superiore di tau, come frazione della durata del dominio
n_griglia_tau = 40                 # punti della griglia log-spaziata su tau (proiezione delle variabili)
soglia_condizione = 1.0e8          # numero di condizione (jacobiano normalizzato) oltre cui i parametri sono "non identificabili"
correggi_autocorrelazione = true   # allarga gli intervalli di confidenza se ACF1 dei residui > soglia_acf
soglia_acf = 0.3
soglia_delta_aicc = 2.0            # entro questa differenza vince il modello con meno parametri
scala_residui_vs_rumore_max = 1.5  # scala robusta dei residui (1.4826·MAD) <= valore × sigma rumore => modello adeguato

[fit.modelli_per_tipo]             # modelli provati per tipo di dominio; il riscaldamento (2-3 campioni) non si fitta: è descritto come salto
riposo = ["costante", "lineare", "esp_decad"]
raffreddamento = ["esp_decad"]

[output]
cartella_output = "output"          # i file di ogni analisi vanno in output/<nome csv>/