Files
EquationMiner/config.toml
T

35 lines
2.3 KiB
TOML
Raw Blame History

This file contains ambiguous Unicode characters
This file contains Unicode characters that might be confused with other characters. If you think that this is intentional, you can safely ignore this warning. Use the Escape button to reveal them.
# 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 / raffreddamento (nessun LLM)
serie_riferimento = "T_C" # serie su cui si cercano i gradini di riscaldamento
soglia_gradino_c = 20.0 # salto positivo tra due campioni consecutivi che segna un gradino di riscaldamento
soglia_bordo_sigma = 6.0 # il gradino si estende ai campioni adiacenti con salto > soglia × sigma robusta dei salti
distanza_min_salti_campioni = 3 # rilevazioni più vicine di così sono lo stesso gradino
n_min_punti = 6 # campioni minimi per dominio (sotto: "indeterminato")
scarta_dopo_salto_n = 3 # campioni esclusi dal fit all'inizio di un dominio dopo un gradino (transizione del sensore)
[fit]
modelli_abilitati = ["costante", "lineare", "quadratico", "esp_decad", "esp_doppio", "logistica"]
n_start = 20 # partenze multiple per i modelli non lineari (logistica)
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
rmse_vs_rumore_max = 1.3 # RMSE <= valore × sigma rumore => modello adeguato
seed = 0 # seme delle partenze multiple
[output]
cartella_lavoro = "lavoro"