sanginnwoo
parent
831538a20d
commit
10f733c224
|
|
@ -2,7 +2,10 @@
|
|||
<module type="PYTHON_MODULE" version="4">
|
||||
<component name="NewModuleRootManager">
|
||||
<content url="file://$MODULE_DIR$" />
|
||||
<orderEntry type="jdk" jdkName="Python 3.8 (SettlementPrediction)" jdkType="Python SDK" />
|
||||
<orderEntry type="jdk" jdkName="Python 3.9 (settle_prediction)" jdkType="Python SDK" />
|
||||
<orderEntry type="sourceFolder" forTests="false" />
|
||||
</component>
|
||||
<component name="PyDocumentationSettings">
|
||||
<option name="renderExternalDocumentation" value="true" />
|
||||
</component>
|
||||
</module>
|
||||
|
|
@ -0,0 +1,218 @@
|
|||
|
||||
# =================
|
||||
# Import 섹션
|
||||
# =================
|
||||
|
||||
import os.path
|
||||
import numpy as np
|
||||
import pandas as pd
|
||||
import matplotlib.pyplot as plt
|
||||
from scipy.optimize import least_squares
|
||||
from scipy.interpolate import interp1d
|
||||
|
||||
# =================
|
||||
# Function 섹션
|
||||
# =================
|
||||
|
||||
# 주어진 계수를 이용하여 쌍곡선 시간-침하 곡선 반환
|
||||
def generate_data_hyper(px, pt):
|
||||
return pt / (px[0] * pt + px[1])
|
||||
|
||||
|
||||
# 회귀식과 측정치와의 잔차 반환 (비선형 쌍곡선)
|
||||
def fun_hyper_nonlinear(px, pt, py):
|
||||
return pt / (px[0] * pt + px[1]) - py
|
||||
|
||||
|
||||
# 회귀식과 측정치와의 잔차 반환 (기존 쌍곡선)
|
||||
def fun_hyper_original(px, pt, py):
|
||||
return px[0] * pt + px[1] - pt / py
|
||||
|
||||
|
||||
# RMSE 산정
|
||||
def fun_rmse(py1, py2):
|
||||
mse = np.square(np.subtract(py1, py2)).mean()
|
||||
return np.sqrt(mse)
|
||||
|
||||
def generate_data_asaoka(px, pt, dt):
|
||||
return (px[1] / (1 - px[0])) * (1 - (px[0] ** (pt / dt)))
|
||||
|
||||
|
||||
def fun_asaoka(px, ps_b, ps_a):
|
||||
return px[0] * ps_b + px[1] - ps_a
|
||||
|
||||
|
||||
|
||||
# ====================
|
||||
# 파일 읽기, 데이터 설정
|
||||
# ====================
|
||||
|
||||
# CSV 파일 읽기
|
||||
data = pd.read_csv("data/2-6_J-01.csv")
|
||||
|
||||
# 시간, 침하량, 성토고 배열 생성
|
||||
time = data['Time'].to_numpy()
|
||||
settle = data['Settlement'].to_numpy()
|
||||
surcharge = data['Surcharge'].to_numpy()
|
||||
|
||||
# 만일 침하량의 단위가 m일 경우, 조정
|
||||
settle = settle * 100
|
||||
|
||||
# 데이터 닫기
|
||||
|
||||
# 마지막 계측 데이터 index + 1 파악
|
||||
final_index = time.size
|
||||
|
||||
# =================
|
||||
# 성토 단계 구분
|
||||
# =================
|
||||
|
||||
# 성토 단계 시작 index 리스트 초기화
|
||||
step_start_index = [0]
|
||||
|
||||
# 성토 단계 끝 index 리스트 초기화
|
||||
step_end_index = []
|
||||
|
||||
# 현재 성토고 설정
|
||||
current_surcharge = surcharge[0]
|
||||
|
||||
# 단계 시작 시점 초기화
|
||||
step_start_date = 0
|
||||
|
||||
# 모든 시간-성토고 데이터에서 순차적으로 확인
|
||||
for index in range(len(surcharge)):
|
||||
|
||||
# 만일 성토고의 변화가 있을 경우,
|
||||
if surcharge[index] != current_surcharge:
|
||||
step_end_index.append(index)
|
||||
step_start_index.append(index)
|
||||
current_surcharge = surcharge[index]
|
||||
|
||||
# 마지막 성토 단계 끝 index 추가
|
||||
step_end_index.append(len(surcharge) - 1)
|
||||
|
||||
# =================
|
||||
# 성토 단계 조정
|
||||
# =================
|
||||
# 성토고 유지 기간이 매우 짧을 경우, 해석 단계에서 제외
|
||||
|
||||
# 조정 성토 시작 및 끝 인덱스 리스트 초기화
|
||||
step_start_index_adjust = []
|
||||
step_end_index_adjust = []
|
||||
|
||||
# 각 성토 단계 별로 분석
|
||||
for i in range(0, len(step_start_index)):
|
||||
|
||||
# 현 단계 성토 시작일 / 끝일 파악
|
||||
step_start_date = time[step_start_index[i]]
|
||||
step_end_date = time[step_end_index[i]]
|
||||
|
||||
# 현 성토고 유지 일수 및 데이터 개수 파악
|
||||
step_span = step_end_date - step_start_date
|
||||
step_data_num = step_end_index[i] - step_start_index[i] + 1
|
||||
|
||||
# 성토고 유지일 및 데이터 개수 기준 적용
|
||||
if step_span > 30 and step_data_num > 5:
|
||||
step_start_index_adjust.append((step_start_index[i]))
|
||||
step_end_index_adjust.append((step_end_index[i]))
|
||||
|
||||
# 성토 시작 및 끝 인덱스 리스트 업데이트
|
||||
step_start_index = step_start_index_adjust
|
||||
step_end_index = step_end_index_adjust
|
||||
|
||||
# 침하 예측을 수행할 단계 설정 (현재 끝에서 2단계 이용)
|
||||
step_start_index = step_start_index[-2:]
|
||||
step_end_index = step_end_index[-2:]
|
||||
|
||||
# 성토 단계 횟수 파악 및 저장
|
||||
num_steps = len(step_start_index)
|
||||
|
||||
# ===========================
|
||||
# 최종 단계 데이터 사용 범위 조정
|
||||
# ===========================
|
||||
|
||||
# 데이터 사용 퍼센트에 해당하는 기간 계산
|
||||
final_step_end_date = time[-1]
|
||||
final_step_start_date = time[step_start_index[num_steps - 1]]
|
||||
final_step_period = final_step_end_date - final_step_start_date
|
||||
final_step_predict_end_date = final_step_start_date + final_step_period * 50 / 100
|
||||
|
||||
# 데이터 사용 끝 시점 인덱스 초기화
|
||||
final_step_predict_end_index = -1
|
||||
|
||||
# 데이터 사용 끝 시점 인덱스 검색
|
||||
count = 0
|
||||
for day in time:
|
||||
count = count + 1
|
||||
if day > final_step_predict_end_date:
|
||||
final_step_predict_end_index = count - 1
|
||||
break
|
||||
|
||||
# 마지막 성토 단계, 마지막 계측 시점 인덱스 업데이트
|
||||
final_step_monitor_end_index = step_end_index[num_steps - 1]
|
||||
step_end_index[num_steps - 1] = final_step_predict_end_index
|
||||
|
||||
# =================
|
||||
# 추가 예측 구간 반영
|
||||
# =================
|
||||
|
||||
# 추가 예측 일 입력 (현재 전체 계측일 * 계수)
|
||||
add_days = time[-1]
|
||||
|
||||
# 마지막 성토고 및 마지막 계측일 저장
|
||||
final_surcharge = surcharge[final_index - 1]
|
||||
final_time = time[final_index - 1]
|
||||
|
||||
# 추가 시간 및 성토고 배열 설정 (100개의 시점 설정)
|
||||
time_add = np.linspace(final_time + 1, final_time + add_days, 100)
|
||||
surcharge_add = np.ones(100) * final_surcharge
|
||||
|
||||
# 기존 시간 및 성토고 배열에 붙이기
|
||||
time = np.append(time, time_add)
|
||||
surcharge = np.append(surcharge, surcharge_add)
|
||||
|
||||
# 마지막 인덱스값 재조정
|
||||
final_index = time.size
|
||||
|
||||
# =========================================================
|
||||
# Settlement prediction (nonliner and original hyperbolic)
|
||||
# =========================================================
|
||||
|
||||
# 성토 마지막 데이터 추출
|
||||
tm_asaoka = time[step_start_index[num_steps - 1]:step_end_index[num_steps - 1]]
|
||||
sm_asaoka = settle[step_start_index[num_steps - 1]:step_end_index[num_steps - 1]]
|
||||
|
||||
# 초기 시점 및 침하량 산정
|
||||
t0_asaoka = tm_asaoka[0]
|
||||
s0_asaoka = sm_asaoka[0]
|
||||
|
||||
# 초기 시점에 대한 시간 조정
|
||||
tm_asaoka = tm_asaoka - t0_asaoka
|
||||
|
||||
# 초기 침하량에 대한 침하량 조정
|
||||
sm_asaoka = sm_asaoka - s0_asaoka
|
||||
|
||||
# 인터폴레이션 함수 설정
|
||||
inter_fn = interp1d(tm_asaoka, sm_asaoka, kind='cubic')
|
||||
|
||||
# 데이터 구축 간격 설정
|
||||
interval = 10
|
||||
num_data = int(tm_asaoka[-1]/3)
|
||||
|
||||
tm_asaoka_new = np.linspace(0, tm_asaoka[-1], num=num_data, endpoint=True)
|
||||
sm_asaoka_new = inter_fn(tm_asaoka_new)
|
||||
|
||||
sm_asaoka_new1 = sm_asaoka_new[0:-2]
|
||||
sm_asaoka_new2 = sm_asaoka_new[1:-1]
|
||||
|
||||
x0 = np.ones(2)
|
||||
res_lsq_asaoka = least_squares(fun_asaoka, x0,
|
||||
args=(sm_asaoka_new1, sm_asaoka_new2))
|
||||
|
||||
# 계측 및 예측 침하량 표시
|
||||
plt.scatter(sm_asaoka_new1, sm_asaoka_new2, s=50,
|
||||
facecolors='white', edgecolors='black', label='measured data')
|
||||
|
||||
plt.show()
|
||||
|
||||
|
||||
|
|
@ -11,6 +11,9 @@ output_dir = 'output'
|
|||
# 에러 분석 결과 파일을 저장할 폴더명 지정: 사용자 직접 지정 필요
|
||||
output_error = 'error'
|
||||
|
||||
# 침하 계측값의 단위 지정: 응동 m, 서컨 cm
|
||||
settle_unit = 'cm'
|
||||
|
||||
# 입력 파일의 이름을 저장할 리스트 초기화
|
||||
input_files = []
|
||||
|
||||
|
|
@ -36,7 +39,15 @@ for input_file in input_files:
|
|||
|
||||
# 침하 예측을 수행하고 반환값 저장
|
||||
return_values = settle_prediction_steps_main.\
|
||||
run_settle_prediction(input_file, output_dir, i, 100, False, False)
|
||||
run_settle_prediction(input_file=input_file, output_dir=output_dir,
|
||||
final_step_predict_percent=i,
|
||||
additional_predict_percent=100,
|
||||
plot_show=False,
|
||||
print_values=False,
|
||||
run_original_hyperbolic=True,
|
||||
run_nonlinear_hyperbolic=True,
|
||||
run_step_prediction=True,
|
||||
settle_unit=settle_unit)
|
||||
|
||||
# 데이터프레임에 일단 및 다단 성토를 포함한 예측의 에러를 저장
|
||||
df_overall.loc[len(df_overall.index)] = [input_file, i, return_values[0], return_values[1],
|
||||
|
|
|
|||
|
|
@ -83,7 +83,7 @@ for data_usage in range(20, 100, 10):
|
|||
ax.set_ylim(0, 0.5)
|
||||
|
||||
# 그래프 저장 (SVG 및 PNG)
|
||||
plt.savefig('error_analysis/error_nonstep(%i percent).png' % data_usage,
|
||||
plt.savefig('error/error_nonstep(%i percent).png' % data_usage,
|
||||
bbox_inches='tight')
|
||||
|
||||
# 카운트 증가
|
||||
|
|
@ -144,7 +144,7 @@ for ax in axes:
|
|||
ax.set_ylim(0, 50)
|
||||
|
||||
# 그래프 저장 (SVG 및 PNG)
|
||||
plt.savefig('error_analysis/error_overall.png', bbox_inches='tight')
|
||||
plt.savefig('error/error_overall.png', bbox_inches='tight')
|
||||
|
||||
|
||||
'''
|
||||
|
|
@ -245,7 +245,7 @@ for data_usage in range(20, 100, 10):
|
|||
ax.set_ylim(0, 0.5)
|
||||
|
||||
# 그래프 저장 (SVG 및 PNG)
|
||||
plt.savefig('error_analysis/error_step(%i percent).png' % data_usage,
|
||||
plt.savefig('error/error_step(%i percent).png' % data_usage,
|
||||
bbox_inches='tight')
|
||||
|
||||
# 카운트 증가
|
||||
|
|
@ -312,4 +312,4 @@ for ax in axes:
|
|||
ax.set_ylim(0, 50)
|
||||
|
||||
# 그래프 저장 (SVG 및 PNG)
|
||||
plt.savefig('error_analysis/error_step.png', bbox_inches='tight')
|
||||
plt.savefig('error/error_step.png', bbox_inches='tight')
|
||||
|
|
@ -52,7 +52,9 @@ def run_settle_prediction(input_file, output_dir,
|
|||
print_values,
|
||||
run_original_hyperbolic='True',
|
||||
run_nonlinear_hyperbolic='True',
|
||||
run_step_prediction='True'):
|
||||
run_step_prediction='True',
|
||||
settle_unit='cm'):
|
||||
|
||||
# ====================
|
||||
# 파일 읽기, 데이터 설정
|
||||
# ====================
|
||||
|
|
@ -68,6 +70,10 @@ def run_settle_prediction(input_file, output_dir,
|
|||
settle = data['Settlement'].to_numpy()
|
||||
surcharge = data['Surcharge'].to_numpy()
|
||||
|
||||
# 만일 침하량의 단위가 m일 경우, 조정
|
||||
if settle_unit == 'm':
|
||||
settle = settle * 100
|
||||
|
||||
# 데이터 닫기
|
||||
|
||||
# 마지막 계측 데이터 index + 1 파악
|
||||
|
|
@ -184,16 +190,21 @@ def run_settle_prediction(input_file, output_dir,
|
|||
# 마지막 인덱스값 재조정
|
||||
final_index = time.size
|
||||
|
||||
# =============================
|
||||
# Settlement Prediction (Step)
|
||||
# =============================
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
# ==========================================
|
||||
# Settlement Prediction (Step + Hyperbolic)
|
||||
# ==========================================
|
||||
|
||||
# 예측 침하량 초기화
|
||||
sp_step = np.zeros(time.size)
|
||||
|
||||
# 만일 계수 중에 하나가 음수가 나오면 에러 출력
|
||||
error_step = 0
|
||||
|
||||
# 각 단계별로 진행
|
||||
for i in range(0, num_steps):
|
||||
|
||||
|
|
@ -241,6 +252,12 @@ def run_settle_prediction(input_file, output_dir,
|
|||
sp_step[step_start_index[i]:final_index] = \
|
||||
sp_step[step_start_index[i]:final_index] + sp_to_end_update + s0_this_step
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
# =========================================================
|
||||
# Settlement prediction (nonliner and original hyperbolic)
|
||||
# =========================================================
|
||||
|
|
@ -290,6 +307,30 @@ def run_settle_prediction(input_file, output_dir,
|
|||
sp_hyper_original = sp_hyper_original + s0_hyper
|
||||
time_hyper = time_hyper + t0_hyper
|
||||
|
||||
|
||||
|
||||
|
||||
# ===============================
|
||||
# Settlement prediction (Asaoka)
|
||||
# ===============================
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
# ==========
|
||||
# 에러 산정
|
||||
# ==========
|
||||
|
|
|
|||
Loading…
Reference in New Issue