davideandClaude Sonnet 5.5
b49af5c112
- 1 + 2N domini: riposo, poi (riscaldamento, raffreddamento) per ogni gradino - riscaldamento non fittato: descritto come salto (delta, da -> a, durata) - raffreddamenti intermedi fissano c e tau a quelli del raffreddamento finale - un colore per ogni raffreddamento nei grafici, zoom sui gradini - sigma None (non NaN) nei domini non fittati: JSON valido Co-Authored-By: Claude Sonnet 5.5 <noreply@anthropic.com>
106 lines
4.8 KiB
Python
106 lines
4.8 KiB
Python
"""Fit, regola di scelta e analisi dei domini su segnali sintetici (verità nota: τ = 16 s, ambiente 23 °C)."""
|
|
|
|
import numpy as np
|
|
import pytest
|
|
from conftest import GRADINI, TAU, segnale
|
|
|
|
from fitseg import domini
|
|
from fitseg.analisi import analizza_domini
|
|
from fitseg.fit import adatta
|
|
from fitseg.modelli import MODELLI, valuta
|
|
|
|
|
|
def test_modelli_valutazione():
|
|
t = np.array([0.0, 1.0])
|
|
assert valuta("costante", t, [5.0]).tolist() == [5.0, 5.0]
|
|
assert valuta("lineare", t, [1.0, 2.0]).tolist() == [1.0, 3.0]
|
|
assert valuta("esp_decad", t, [1.0, 2.0, 1.0])[0] == pytest.approx(3.0)
|
|
assert set(MODELLI) == {"costante", "lineare", "esp_decad"}
|
|
|
|
|
|
@pytest.mark.parametrize("seed", range(5))
|
|
def test_esp_decad_recupera_parametri(cfg, seed):
|
|
rng = np.random.default_rng(seed)
|
|
t = np.arange(0, 100, 0.15)
|
|
y = 23 + 180 * np.exp(-t / 16) + 0.1 * rng.standard_normal(len(t))
|
|
fit = adatta(t, y, "esp_decad", 0.1, cfg)
|
|
p = fit["parametri"]
|
|
assert p["tau"] == pytest.approx(16, rel=0.02)
|
|
assert p["c"] == pytest.approx(23, abs=0.2)
|
|
assert p["A"] == pytest.approx(180, rel=0.02)
|
|
assert fit["rmse"] == pytest.approx(0.1, rel=0.2)
|
|
assert not fit["non_identificabile"] and not fit["parametri_a_limite"]
|
|
|
|
|
|
def test_parametri_fissi_restano_fissi(cfg):
|
|
rng = np.random.default_rng(0)
|
|
t = np.arange(0, 4, 0.15)
|
|
y = 23 + 80 * np.exp(-t / 16) + 0.1 * rng.standard_normal(len(t))
|
|
fit = adatta(t, y, "esp_decad", 0.1, cfg, fissi={"c": 23.0, "tau": 16.0})
|
|
assert fit["fissi"] == ["c", "tau"]
|
|
assert fit["parametri"]["c"] == 23.0 and fit["parametri"]["tau"] == 16.0
|
|
assert fit["n_parametri"] == 1
|
|
assert fit["parametri"]["A"] == pytest.approx(80, rel=0.03)
|
|
|
|
|
|
@pytest.mark.parametrize("seed", range(5))
|
|
def test_tau_libero_non_identificabile_su_tratto_corto_e_rumoroso(cfg, seed):
|
|
# 3 s di dati con disturbi dell'ordine degli scarti casuali del sensore (≈ 2 °C): τ non è stimabile da solo
|
|
rng = np.random.default_rng(seed)
|
|
t = np.arange(0, 3, 0.15)
|
|
y = 23 + 80 * np.exp(-t / 16) + 2.0 * rng.standard_normal(len(t))
|
|
assert adatta(t, y, "esp_decad", 2.0, cfg)["non_identificabile"]
|
|
|
|
|
|
def test_analisi_completa_sintetico(sintetico, cfg):
|
|
t, serie = sintetico
|
|
ris = analizza_domini(t, serie, domini.proponi(t, serie, cfg), cfg)
|
|
assert [r["tipo"] for r in ris] == ["riposo", "riscaldamento", "raffreddamento", "riscaldamento", "raffreddamento",
|
|
"riscaldamento", "raffreddamento"]
|
|
for nome in serie:
|
|
assert ris[0]["serie"][nome]["scelta"] in ("costante", "lineare")
|
|
finale = next(x for x in ris[6]["serie"][nome]["fit"] if x["modello"] == "esp_decad")
|
|
assert finale["fissi"] == [] and finale["parametri"]["tau"] == pytest.approx(TAU, rel=0.03)
|
|
for i in (2, 4): # raffreddamenti intermedi: c e τ ereditati dal finale
|
|
fit = next(x for x in ris[i]["serie"][nome]["fit"] if x["modello"] == "esp_decad")
|
|
assert ris[i]["serie"][nome]["scelta"] == "esp_decad" and fit["fissi"] == ["c", "tau"]
|
|
assert fit["parametri"]["tau"] == finale["parametri"]["tau"] and fit["parametri"]["c"] == finale["parametri"]["c"]
|
|
# ampiezza dei raffreddamenti intermedi = somma dei decadimenti dei gradini già avvenuti, in t' = 0
|
|
for i, n_gradini in ((2, 1), (4, 2)):
|
|
t0 = ris[i]["t0_s"]
|
|
attesa = sum(a * np.exp(-(t0 - tj) / TAU) for tj, a in GRADINI[:n_gradini])
|
|
fit = next(x for x in ris[i]["serie"]["dT_C"]["fit"] if x["modello"] == "esp_decad")
|
|
assert fit["parametri"]["A"] == pytest.approx(attesa, rel=0.05)
|
|
|
|
|
|
def test_riscaldamento_descritto_come_salto_non_fittato(sintetico, cfg):
|
|
t, serie = sintetico
|
|
ris = analizza_domini(t, serie, domini.proponi(t, serie, cfg), cfg)
|
|
for i, (_, ampiezza) in zip((1, 3, 5), GRADINI, strict=True):
|
|
vs = ris[i]["serie"]["dT_C"]
|
|
assert vs["fit"] == [] and vs["scelta"] is None
|
|
assert vs["gradino"]["delta"] == pytest.approx(ampiezza, rel=0.15) # salto sul canale ΔT, meno il decadimento
|
|
assert vs["gradino"]["n"] <= 3
|
|
|
|
|
|
def test_un_solo_raffreddamento_resta_libero(cfg):
|
|
t, serie = segnale(gradini=[(20.0, 80.0)], durata=60.0)
|
|
ris = analizza_domini(t, serie, domini.proponi(t, serie, cfg), cfg)
|
|
assert [r["tipo"] for r in ris] == ["riposo", "riscaldamento", "raffreddamento"]
|
|
assert all(x["fissi"] == [] for x in ris[2]["serie"]["T_C"]["fit"])
|
|
|
|
|
|
def test_dominio_troppo_corto_indeterminato(sintetico, cfg):
|
|
t, serie = sintetico
|
|
ds = [{"tipo": "riposo", "i0": 0, "i1": 5}]
|
|
vs = analizza_domini(t, serie, ds, cfg)[0]["serie"]["T_C"]
|
|
assert vs["scelta"] is None and "indeterminato" in vs["motivo"]
|
|
|
|
|
|
def test_riproducibile(sintetico, cfg):
|
|
t, serie = sintetico
|
|
ds = domini.proponi(t, serie, cfg)
|
|
a = analizza_domini(t, serie, ds, cfg)
|
|
b = analizza_domini(t, serie, ds, cfg)
|
|
assert a == b
|