From the mac

batch_process.py

@@ -2,51 +2,52 @@ import settle_prediction_steps_main
 import pandas as pd
 import os
 
-input_dir = 'data_1'
+# 입력 파일이 있는 폴더명 지정: 사용자 직접 지정 필요
-output_dir = 'output_1'
+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',
+# 일단 및 다단 성토를 포함한 예측의 에러를 저장할 데이터프레임 초기화
-                           'RMSE_hyper_original',
+df_overall = pd.DataFrame(columns=['File', 'Data_usage', 'RMSE_hyper_original', 'RMSE_hyper_nonlinear',
-                           'RMSE_hyper_nonlinear',
+                                   'Final_error_hyper_original', 'Final_error_hyper_nonlinear'])
-                           'Final_error_hyper_original',
-                           'Final_error_hyper_nonlinear'])
 
-df_multi_step = pd.DataFrame(columns=['File', 'Data_usage',
+# 다단 성토만의 예측의 에러를 저장할 데이터프레임 초기화
-                           'RMSE_hyper_original',
+df_multi_step = pd.DataFrame(columns=['File', 'Data_usage', 'RMSE_hyper_original', 'RMSE_hyper_nonlinear', 'RMSE_step',
-                           'RMSE_hyper_nonlinear',
+                                      'Final_error_hyper_original', 'Final_error_hyper_nonlinear', 'Final_error_step'])
-                           '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):
+# 입력 파일명 저장소의 파일 하나에 대해서 예측을 수행하고, 결과값으로 잔차값을 받아서 저장
-    for file in files:
-        file_path = os.path.join(root, file)
-        input_files.append(file_path)
-
 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,
+        # 데이터프레임에 일단 및 다단 성토를 포함한 예측의 에러를 저장
-                                                 RETURN_VALUES[0],
+        df_overall.loc[len(df_overall.index)] = [input_file, i, return_values[0], return_values[1],
-                                                 RETURN_VALUES[1],
+                                                 return_values[3], return_values[4]]
-                                                 RETURN_VALUES[3],
-                                                 RETURN_VALUES[4]]
 
-        if RETURN_VALUES[6]:
+        # 데이터프레임에 다단 성토만에 대한 예측의 에러를 저장
-            df_multi_step.loc[len(df_overall.index)] = [input_file, i,
+        if return_values[6]:
-                                                        RETURN_VALUES[0],
+            df_multi_step.loc[len(df_multi_step.index)] = [input_file, i, return_values[0], return_values[1],
-                                                        RETURN_VALUES[1],
+                                                           return_values[2], return_values[3],
-                                                        RETURN_VALUES[2],
+                                                           return_values[4], return_values[5]]
-                                                        RETURN_VALUES[3],
-                                                        RETURN_VALUES[4],
-                                                        RETURN_VALUES[5]]
 
-# 에러 파일 출력
+# 에러 파일을 출력
-df_overall.to_csv('Error_overall.csv')
+df_overall.to_csv(output_error + '/error_overall.csv')
-df_multi_step.to_csv('Error_multi_step.csv')
+df_multi_step.to_csv(output_error + 'error_multi_step.csv')

error_analysis.py

@@ -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)
 

settle_prediction_steps_main.py

@@ -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_step = fun_rmse(sm_rmse, sp_step_rmse)
-    RMSE_hyper_nonlinear = fun_rmse(sm_rmse, sp_hyper_nonlinear_rmse)
+    rmse_hyper_nonlinear = fun_rmse(sm_rmse, sp_hyper_nonlinear_rmse)
-    RMSE_hyper_original = fun_rmse(sm_rmse, sp_hyper_original_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 Hyper + Step): %0.3f" % rmse_step)
-        print("RMSE (Nonlinear Hyperbolic): %0.3f" % RMSE_hyper_nonlinear)
+        print("RMSE (Nonlinear Hyperbolic): %0.3f" % rmse_hyper_nonlinear)
-        print("RMSE (Original Hyperbolic): %0.3f" % RMSE_hyper_original)
+        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 + Step Loading: %0.3f" % rmse_step
-             + "\n" + "Nonlinear Hyperbolic: %0.3f" % RMSE_hyper_nonlinear
+             + "\n" + "Nonlinear Hyperbolic: %0.3f" % rmse_hyper_nonlinear
-             + "\n" + "Original Hyperbolic: %0.3f" % RMSE_hyper_original,
+             + "\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]