92 lines
3.5 KiB
Python
92 lines
3.5 KiB
Python
"""Riconoscimento dei domini: riposo, gradini di riscaldamento, raffreddamento (nessun LLM)."""
|
||||
|
|
|
|||
|
|
import numpy as np
|
|||
|
|
|
|||
|
|
|
|||
|
|
def sigma_robusto(d):
|
|||
|
|
"""σ robusto di un campione di differenze (MAD)."""
|
|||
|
|
return 1.4826 * np.median(np.abs(d - np.median(d)))
|
|||
|
|
|
|||
|
|
|
|||
|
|
def sigma_rumore(y):
|
|||
|
|
"""σ del rumore bianco dalla derivata seconda discreta: 1.4826·MAD(d²y)/√6."""
|
|||
|
|
if len(y) < 4:
|
|||
|
|
return float("nan")
|
|||
|
|
return sigma_robusto(np.diff(y, 2)) / np.sqrt(6)
|
|||
|
|
|
|||
|
|
|
|||
|
|
def trova_gradini(y, cfg):
|
|||
|
|
"""Indice del primo campione di transizione di ogni gradino di riscaldamento (salto positivo > soglia)."""
|
|||
|
|
c = cfg["domini"]
|
|||
|
|
d = np.diff(y)
|
|||
|
|
forti = np.flatnonzero(d > c["soglia_gradino_c"])
|
|||
|
|
if len(forti) == 0:
|
|||
|
|
return []
|
|||
|
|
soglia_bordo = c["soglia_bordo_sigma"] * sigma_robusto(d)
|
|||
|
|
gruppi, corrente = [], [forti[0]]
|
|||
|
|
for i in forti[1:]:
|
|||
|
|
if i - corrente[-1] < c["distanza_min_salti_campioni"]:
|
|||
|
|
corrente.append(i)
|
|||
|
|
else:
|
|||
|
|
gruppi.append(corrente)
|
|||
|
|
corrente = [i]
|
|||
|
|
gruppi.append(corrente)
|
|||
|
|
inizi = []
|
|||
|
|
for g in gruppi:
|
|||
|
|
# il gradino parte dal primo campione già in salita: i campioni di transizione aprono il nuovo dominio
|
|||
|
|
# (e sono esclusi dal fit da scarta_dopo_salto_n), così non sporcano la fine del dominio precedente
|
|||
|
|
inizio = g[0]
|
|||
|
|
while inizio > 0 and d[inizio - 1] > soglia_bordo:
|
|||
|
|
inizio -= 1
|
|||
|
|
inizi.append(int(inizio) + 1)
|
|||
|
|
return inizi
|
|||
|
|
|
|||
|
|
|
|||
|
|
def proponi(t, serie, cfg):
|
|||
|
|
"""Lista di domini {tipo, i0, i1} (i1 escluso) ordinati nel tempo."""
|
|||
|
|
c = cfg["domini"]
|
|||
|
|
y = serie[c["serie_riferimento"]]
|
|||
|
|
inizi = trova_gradini(y, cfg)
|
|||
|
|
tagli = [0, *inizi, len(y)]
|
|||
|
|
domini = []
|
|||
|
|
for k in range(len(tagli) - 1):
|
|||
|
|
if not inizi:
|
|||
|
|
tipo = "riposo"
|
|||
|
|
elif k == 0:
|
|||
|
|
tipo = "riposo"
|
|||
|
|
elif k == len(tagli) - 2:
|
|||
|
|
tipo = "raffreddamento"
|
|||
|
|
else:
|
|||
|
|
tipo = "riscaldamento"
|
|||
|
|
domini.append({"tipo": tipo, "i0": tagli[k], "i1": tagli[k + 1]})
|
|||
|
|
return domini
|
|||
|
|
|
|||
|
|
|
|||
|
|
def scrivi_toml(percorso, domini, t):
|
|||
|
|
"""domini.toml: modificabile a mano (tipo, t0_s, t1_s); gli indici si ricalcolano dal tempo."""
|
|||
|
|
righe = ["# domini.toml — proposta automatica, modificabile: t0_s incluso, t1_s escluso (ultimo dominio: incluso)\n"]
|
|||
|
|
for d in domini:
|
|||
|
|
t1 = t[d["i1"]] if d["i1"] < len(t) else t[-1]
|
|||
|
|
righe.append(f'[[dominio]]\ntipo = "{d["tipo"]}" # riposo | riscaldamento | raffreddamento\n'
|
|||
|
|
f't0_s = {t[d["i0"]]:.4f}\nt1_s = {t1:.4f}\n')
|
|||
|
|
percorso.write_text("\n".join(righe), encoding="utf-8")
|
|||
|
|
|
|||
|
|
|
|||
|
|
def leggi_toml(percorso, t):
|
|||
|
|
import tomllib
|
|||
|
|
with open(percorso, "rb") as f:
|
|||
|
|
voci = tomllib.load(f).get("dominio", [])
|
|||
|
|
if not voci:
|
|||
|
|
raise ValueError("domini.toml senza [[dominio]]")
|
|||
|
|
domini = []
|
|||
|
|
for k, v in enumerate(voci):
|
|||
|
|
if v["tipo"] not in ("riposo", "riscaldamento", "raffreddamento"):
|
|||
|
|
raise ValueError(f"dominio {k + 1}: tipo '{v['tipo']}' non valido")
|
|||
|
|
i0 = int(np.searchsorted(t, v["t0_s"] - 1e-6))
|
|||
|
|
i1 = len(t) if k == len(voci) - 1 else int(np.searchsorted(t, v["t1_s"] - 1e-6))
|
|||
|
|
if i1 <= i0:
|
|||
|
|
raise ValueError(f"dominio {k + 1}: intervallo vuoto o in ordine errato")
|
|||
|
|
domini.append({"tipo": v["tipo"], "i0": i0, "i1": i1})
|
|||
|
|
if any(domini[k]["i1"] != domini[k + 1]["i0"] for k in range(len(domini) - 1)):
|
|||
|
|
raise ValueError("i domini devono essere contigui (t1_s di uno = t0_s del successivo)")
|
|||
|
|
return domini
|