Uživatelské nástroje

Nástroje pro tento web


projekty:navrhkomunikaceidentifikacnihoalgoritmu

Identifikační algoritmus - signatury

Volání funkce identifikačního algoritmu

paramIdent('optimization',p_min,p_max,modelName[,p_val])

nebo

paramIdent('inversion',p_min,p_max,modelName,experimentalDataFile,xFirst,xLast,nPoints[,p_val])

p_min resp. p_max - double, pole délky nParams - dolní resp. horní mezí prohledávaného intervalu

modelName - string - jméno modelu identifikující model v gridu

p_val - double, pole délky nParams - počáteční odhady hodnoty parametrů

experimentalDataFile - string, jsméno souboru (s cestou), který obsahuje experimentálně naměřená data: sloupce oddělené tabulátorem, první sloupec - nezávisle proměnná (čas), další sloupce - jednotlivé veličiny pro fitování

xFirst, xLast - dolní a horní mez intervalu (nezávisle proměnné), na kterém se bude fitovat, pokud je xFirst = xLast = 0, najde si optimální meze interpolační funkce sama.

nPoints - počet bodů lineárně rozmístěných na intervalu <xFirst, xLast>, na které budpu interpolována experimentální data i řešení modelu.

Identifikační algoritmus dál volá

Konstruktor
cesnet.identifikace.computationservice.modelConstructor(experimentalDataFile,xFirst,xLast,nPoints);

experimentalDataFile - jméno souboru s experimentálními daty

xFirst, xLast - dolní a horní mez intervalu (nezávisle proměnné), na kterém se bude fitovat

nPoints - počet bodů lineárně rozmístěných na intervalu <xFirst, xLast>, na které budou interpolována experimentální data i řešení modelu.

Optimalizace
cost = modelDotNETObj.submitOptimization(p);

p - double - matice dimense nIdividuals x nParams. Řádky - vektory parametrů jedinců řešení.

Návratová hodnota:

cost - double pole délky nIndividuals, součet čtverců rozdílu experimentálních dat a modelových dat spočtených pro jednotlivé řádky matice parametrů p. Počítá se interpolací hodnot na síťku podle parametrů xFirst, xLast a nPoints zadaných při volání konstruktoru.

Inverze
yData = modelDotNETObj.submitInversion(p);

p - stejně jako při optimalizaci

Návratová hodnota:

yData - double matice dimense nIndividuals x (nPoints . nCurves) – rezidua rovnic (rozdíl modelových a experimentálních dat). Sloupce odpovídají jedincům řešení. Každý sloupec obsahuje hodnoty residuí použitých pro identifikaci. Pole residuí jednotlivých veličiny jsou slepena za sebe do jednoho dlouhého pole - sloupce. Hodnoty jsou interpolovány na síťce podle parametrů xFirst, xLast a nPoints zadaných při volání konstruktoru.

Není dořešeno

  • Jak říct modelu, které veličiny má posílat identifikačnímu algoritmu (veličiny, které budou použity pro identifikaci)?
projekty/navrhkomunikaceidentifikacnihoalgoritmu.txt · Poslední úprava: 2010/11/24 16:03 autor: jansilar