From the mac
sanginnwoo
parent
b96bda38cc
commit
62892ae0f0
|
|
@ -2,51 +2,52 @@ import settle_prediction_steps_main
|
|||
import pandas as pd
|
||||
import os
|
||||
|
||||
input_dir = 'data_1'
|
||||
output_dir = 'output_1'
|
||||
# 입력 파일이 있는 폴더명 지정: 사용자 직접 지정 필요
|
||||
input_dir = 'data'
|
||||
|
||||
# 침하 예측 결과 파일을 저장할 폴더명 지정: 사용자 직접 지정 필요
|
||||
output_dir = 'output'
|
||||
|
||||
# 에러 분석 결과 파일을 저장할 폴더명 지정: 사용자 직접 지정 필요
|
||||
output_error = 'error'
|
||||
|
||||
# 입력 파일의 이름을 저장할 리스트 초기화
|
||||
input_files = []
|
||||
|
||||
df_overall = pd.DataFrame(columns=['File', 'Data_usage',
|
||||
'RMSE_hyper_original',
|
||||
'RMSE_hyper_nonlinear',
|
||||
'Final_error_hyper_original',
|
||||
'Final_error_hyper_nonlinear'])
|
||||
# 일단 및 다단 성토를 포함한 예측의 에러를 저장할 데이터프레임 초기화
|
||||
df_overall = pd.DataFrame(columns=['File', 'Data_usage', 'RMSE_hyper_original', 'RMSE_hyper_nonlinear',
|
||||
'Final_error_hyper_original', 'Final_error_hyper_nonlinear'])
|
||||
|
||||
df_multi_step = pd.DataFrame(columns=['File', 'Data_usage',
|
||||
'RMSE_hyper_original',
|
||||
'RMSE_hyper_nonlinear',
|
||||
'RMSE_step',
|
||||
'Final_error_hyper_original',
|
||||
'Final_error_hyper_nonlinear',
|
||||
'Final_error_step'])
|
||||
# 다단 성토만의 예측의 에러를 저장할 데이터프레임 초기화
|
||||
df_multi_step = pd.DataFrame(columns=['File', 'Data_usage', 'RMSE_hyper_original', 'RMSE_hyper_nonlinear', 'RMSE_step',
|
||||
'Final_error_hyper_original', 'Final_error_hyper_nonlinear', 'Final_error_step'])
|
||||
|
||||
# 입력 파일 저장 폴더에서 입력 파일의 이름을 파악하여 배열에 저장
|
||||
for (root, directories, files) in os.walk(input_dir): # 입력 파일 안의 모든 파일에 대해서
|
||||
for file in files: # 모든 파일 중 하나의 파일에 대해서
|
||||
file_path = os.path.join(root, file) # 파일 경로를 포함한 파일명 설정
|
||||
input_files.append(file_path) # 파일명을 배열에 저장
|
||||
|
||||
for (root, directories, files) in os.walk(input_dir):
|
||||
for file in files:
|
||||
file_path = os.path.join(root, file)
|
||||
input_files.append(file_path)
|
||||
|
||||
# 입력 파일명 저장소의 파일 하나에 대해서 예측을 수행하고, 결과값으로 잔차값을 받아서 저장
|
||||
for input_file in input_files:
|
||||
|
||||
# 최종 성토 이후 데이터 사용 영역에 대해서 [20 30 40 50 60 70 80 90]
|
||||
for i in range(20, 100, 10):
|
||||
|
||||
RETURN_VALUES = settle_prediction_steps_main.\
|
||||
# 침하 예측을 수행하고 반환값 저장
|
||||
return_values = settle_prediction_steps_main.\
|
||||
run_settle_prediction(input_file, output_dir, i, 100, False, False)
|
||||
|
||||
df_overall.loc[len(df_overall.index)] = [input_file, i,
|
||||
RETURN_VALUES[0],
|
||||
RETURN_VALUES[1],
|
||||
RETURN_VALUES[3],
|
||||
RETURN_VALUES[4]]
|
||||
# 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],
|
||||
return_values[3], return_values[4]]
|
||||
|
||||
if RETURN_VALUES[6]:
|
||||
df_multi_step.loc[len(df_overall.index)] = [input_file, i,
|
||||
RETURN_VALUES[0],
|
||||
RETURN_VALUES[1],
|
||||
RETURN_VALUES[2],
|
||||
RETURN_VALUES[3],
|
||||
RETURN_VALUES[4],
|
||||
RETURN_VALUES[5]]
|
||||
# 데이터프레임에 다단 성토만에 대한 예측의 에러를 저장
|
||||
if return_values[6]:
|
||||
df_multi_step.loc[len(df_multi_step.index)] = [input_file, i, return_values[0], return_values[1],
|
||||
return_values[2], return_values[3],
|
||||
return_values[4], return_values[5]]
|
||||
|
||||
# 에러 파일 출력
|
||||
df_overall.to_csv('Error_overall.csv')
|
||||
df_multi_step.to_csv('Error_multi_step.csv')
|
||||
# 에러 파일을 출력
|
||||
df_overall.to_csv(output_error + '/error_overall.csv')
|
||||
df_multi_step.to_csv(output_error + 'error_multi_step.csv')
|
||||
|
|
|
|||
|
|
@ -11,7 +11,7 @@ import matplotlib.pyplot as plt
|
|||
'''
|
||||
|
||||
# CSV 파일 읽기 (일단, 다단 성토 포함)
|
||||
df_overall = pd.read_csv('Error_overall.csv', encoding='euc-kr')
|
||||
df_overall = pd.read_csv('error_overall.csv', encoding='euc-kr')
|
||||
|
||||
# 통계량 저장소 statistics 초기화
|
||||
statistic =[]
|
||||
|
|
@ -23,6 +23,9 @@ statistic =[]
|
|||
# FE (O)
|
||||
# FE (NL)
|
||||
|
||||
# 카운트 초기화
|
||||
count = 0
|
||||
|
||||
# 최종 성토 단계에서 각 침하 데이터 사용 영역에 대해서 다음을 수행
|
||||
for data_usage in range(20, 100, 10):
|
||||
|
||||
|
|
@ -83,6 +86,9 @@ for data_usage in range(20, 100, 10):
|
|||
plt.savefig('error_analysis/error_nonstep(%i percent).png' % data_usage,
|
||||
bbox_inches='tight')
|
||||
|
||||
# 카운트 증가
|
||||
count = count + 1
|
||||
|
||||
# 데이터 사용 영역 설정
|
||||
data_usages = range(20, 100, 10)
|
||||
|
||||
|
|
@ -163,6 +169,9 @@ statistic_step =[]
|
|||
# FE (NL)
|
||||
# FE (S)
|
||||
|
||||
# 카운트 초기화
|
||||
count = 0
|
||||
|
||||
# 최종 성토 단계에서 각 침하 데이터 사용 영역에 대해서 다음을 수행
|
||||
for data_usage in range(20, 100, 10):
|
||||
|
||||
|
|
@ -239,6 +248,9 @@ for data_usage in range(20, 100, 10):
|
|||
plt.savefig('error_analysis/error_step(%i percent).png' % data_usage,
|
||||
bbox_inches='tight')
|
||||
|
||||
# 카운트 증가
|
||||
count = count + 1
|
||||
|
||||
# 데이터 사용 영역 배열 설정
|
||||
data_usages = range(20, 100, 10)
|
||||
|
||||
|
|
|
|||
|
|
@ -309,15 +309,15 @@ def run_settle_prediction(input_file, output_dir,
|
|||
final_step_monitor_end_index - final_step_predict_end_index]
|
||||
|
||||
# RMSE 산정 (단계, 비선형 쌍곡선, 기존 쌍곡선)
|
||||
RMSE_step = fun_rmse(sm_rmse, sp_step_rmse)
|
||||
RMSE_hyper_nonlinear = fun_rmse(sm_rmse, sp_hyper_nonlinear_rmse)
|
||||
RMSE_hyper_original = fun_rmse(sm_rmse, sp_hyper_original_rmse)
|
||||
rmse_step = fun_rmse(sm_rmse, sp_step_rmse)
|
||||
rmse_hyper_nonlinear = fun_rmse(sm_rmse, sp_hyper_nonlinear_rmse)
|
||||
rmse_hyper_original = fun_rmse(sm_rmse, sp_hyper_original_rmse)
|
||||
|
||||
# RMSE 출력 (단계, 비선형 쌍곡선, 기존 쌍곡선)
|
||||
if print_values:
|
||||
print("RMSE (Nonlinear Hyper + Step): %0.3f" % RMSE_step)
|
||||
print("RMSE (Nonlinear Hyperbolic): %0.3f" % RMSE_hyper_nonlinear)
|
||||
print("RMSE (Original Hyperbolic): %0.3f" % RMSE_hyper_original)
|
||||
print("RMSE (Nonlinear Hyper + Step): %0.3f" % rmse_step)
|
||||
print("RMSE (Nonlinear Hyperbolic): %0.3f" % rmse_hyper_nonlinear)
|
||||
print("RMSE (Original Hyperbolic): %0.3f" % rmse_hyper_original)
|
||||
|
||||
# (최종 계측 침하량 - 예측 침하량) 계산
|
||||
final_error_step = np.abs(settle[-1] - sp_step_rmse[-1])
|
||||
|
|
@ -442,9 +442,9 @@ def run_settle_prediction(input_file, output_dir,
|
|||
mybox = {'facecolor': 'white', 'edgecolor': 'black', 'boxstyle': 'round', 'alpha': 0.2}
|
||||
plt.text(max(time), 0.25 * min(-settle),
|
||||
"Root Mean Squared Error"
|
||||
+ "\n" + "Nonlinear + Step Loading: %0.3f" % RMSE_step
|
||||
+ "\n" + "Nonlinear Hyperbolic: %0.3f" % RMSE_hyper_nonlinear
|
||||
+ "\n" + "Original Hyperbolic: %0.3f" % RMSE_hyper_original,
|
||||
+ "\n" + "Nonlinear + Step Loading: %0.3f" % rmse_step
|
||||
+ "\n" + "Nonlinear Hyperbolic: %0.3f" % rmse_hyper_nonlinear
|
||||
+ "\n" + "Original Hyperbolic: %0.3f" % rmse_hyper_original,
|
||||
color='r', horizontalalignment='right',
|
||||
verticalalignment='top', fontsize='12', bbox=mybox)
|
||||
|
||||
|
|
@ -484,7 +484,7 @@ def run_settle_prediction(input_file, output_dir,
|
|||
is_multi_step = False
|
||||
|
||||
# 반환
|
||||
return [RMSE_hyper_original, RMSE_hyper_nonlinear, RMSE_step,
|
||||
return [rmse_hyper_original, rmse_hyper_nonlinear, rmse_step,
|
||||
final_error_hyper_original, final_error_hyper_nonlinear,
|
||||
final_error_step, is_multi_step]
|
||||
|
||||
|
|
|
|||
Loading…
Reference in New Issue