Jag vet att detta kan uppnås med boost som per. Men jag vill verkligen undvika att använda boost jag har googled och inte hittat några lämpliga eller läsbara exempel. I grund och botten vill jag spåra det rörliga genomsnittet av en pågående ström av en ström av flytande punktnummer Använder de senaste 1000 siffrorna som ett dataprov. Vilket är det enklaste sättet att uppnå detta. Jag experimenterade med att använda ett cirkulärt array, exponentiellt glidande medelvärde och ett enklare glidande medelvärde och fann att resultaten från den cirkulära gruppen passade mina behov bäst. asked 12 juni 12 på 4 38. Om dina behov är enkla kan du bara försöka använda ett exponentiellt rörligt medelvärde. Du gör bara en ackumulatorvariabel, och när din kod tittar på varje prov uppdaterar koden ackumulatorn med Nytt värde Du väljer en konstant alfa som är mellan 0 och 1 och beräknar detta. Du behöver bara hitta ett värde av alfa där effekten av ett visst prov endast varar för cirka 1000 prover. Jag är inte säker på att det här är Lämplig för dig, nu t Hat jag har lagt den här Problemet är att 1000 är ett ganska långt fönster för ett exponentiellt rörligt medelvärde. Jag är inte säker på att det finns en alfa som skulle sprida genomsnittet över de senaste 1000 talen utan underflöde i flytpunktsberäkningen. Men om du Ville ha ett mindre medelvärde, som 30 nummer eller så, det här är ett mycket enkelt och snabbt sätt att göra det. Svarade den 12 juni 12 på 4 44. 1 på ditt inlägg Det exponentiella glidande medlet kan låta alfabetet vara variabelt Så här tillåter det det Används för att beräkna tidsbasen medelvärden, t. ex. bytes per sekund Om tiden sedan den senaste ackumulatoruppdateringen är mer än 1 sekund, låter du alpha vara 1 0 Annars kan du låta alfa vara usecs sedan senaste uppdateringen 1000000 jxh jun 12 12 vid 6 21.Basiskt vill jag spåra det rörliga genomsnittet av en pågående ström av en ström med flytande punktnummer med de senaste 1000 siffrorna som ett dataprov. Notera att nedanstående uppdaterar summan som element som tillsatt ersatt, så att kostsamma ON-traverser beräknas Summan - behövs för th E genomsnitt - på begäran. Total görs en annan parameter från T för att stödja t ex med lång längd när det är 1000 lång s, en int för char s eller en dubbel till total float s. Detta är lite bristfälligt i att nummemplar kunde Gå förbi INTMAX - om du bryr dig att du kan använda en unsigned long long eller använda en extra bool data medlem att spela in när behållaren fylls första gången cykel nummor runt arrayen bäst sedan bytt namn något harmlöst som pos. answered 12 juni 12 på 5 19.an antar att tomrumsoperatör T-provet är faktiskt tomt operatör T-prov oPlöse 8 juni 14 på 11 52. oPless ahhh väl spotted egentligen menade jag att det skulle vara tomt operatör T-prov men självklart kan du använda vilken anteckning du helst vill fixa, Tack Tony D Jun 8 14 på 14 27. Samtidigt utvecklar jag ett grafiskt LCD-system för att visa temperaturer, flöden, spänningar, kraft och energi i ett värmepumpssystem. Användningen av en grafisk LCD betyder att hälften av min SRAM och .75 av Min blixt har använts av en skärmbuffert och sträng Gs. Jag visar för närvarande mina maxmedelvärden för energi Vid midnatt när den dagliga siffran återställs kontrollerar systemet om konsumtionen för dagen är över eller under föregående minimum eller maximalt och lagrar värdet. Medelvärdet beräknas genom att dela upp Kumulativ energiförbrukning med antalet dagar. Jag skulle vilja visa det dagliga genomsnittet under den senaste veckan och månaden 4 veckor för enkelhet dvs rullande medelvärde För närvarande innebär det att behålla en mängd värden under de senaste 28 dagarna och beräkna ett genomsnitt över hela Array för månadsvisa och sista 7 dagar för varje vecka. Initialt gjorde jag det här med hjälp av en uppsättning floats eftersom energin är i form 12 12 kWh men det användes 28 4 byte 112 byte 5 4 av SRAM Jag tänker inte ha bara en Enstaka decimalpunkt, så jag bytte till att använda uint16t och multiplicera siffran med 100 Det betyder att 12 12 representeras som 1212 och jag delar upp med 100 för visning. Storleken på arrayen är nu nere till 56 av Tes mycket bättre. Det finns inget trivialt sätt att minska figuren ner till en uint8t som jag kan se jag kunde tolerera förlusten av en decimal 12 1kWh istället för 12 12kWh men konsumtionen är ofta högre än 25 5kWh 255 är det högsta värdet Representeras av ett 8-bitars usignerat heltal Konsumtionen har aldrig varit under 10 0kWh eller över 35 0kWh, så tänkligen kunde jag subtrahera 10 från de lagrade figurerna, men jag vet att vi en dag kommer att överskrida dessa gränser. Jag testade sedan koden för att packa 9 - bit-värden i en array Detta ger ett intervall på 0-51 2kWh och använder totalt 32 byte. Det är dock ganska långsamt att komma åt en array så här, särskilt när du måste iterera över alla värden för att beräkna ett genomsnitt. Så min fråga är - finns det ett effektivare sätt att beräkna ett glidande medelvärde med tre fönster - livslängd, 28 dagar och 7 dagar Effektivitet betyder mindre när det gäller SRAM-användning men utan straff med stor kod Kan jag undvika att lagra alla värden. Vid 8 32. Jag har tänkt och du en Re right Så det gör tekniskt mitt svar felaktigt Jag investerar lite mer tid och tålamod i det. Kanske något ur lådan, jag ska få veta om jag kommer upp med något. Vi gör något så mycket på min arbetsplats. Låt mig fråga Ledsen om förvirringen Aditya Somani Mar 8 14 på 17 15. finns det ett effektivare sätt att beräkna ett glidande medelvärde med 28 dagar och 7 dagar som behöver komma ihåg 27 dagars historia. Du kan få nära nog att lagra 11 värden i stället för 28 värden , Kanske något liknande. Med andra ord, istället för att lagra varje detalj varje dag under de senaste 27 dagarna, en butik 7 eller så värden av detaljerad daglig information för de senaste 7 eller så dagarna, och även b lagra 4 eller så sammanfattade värden Av total eller genomsnittlig information för var och en av de senaste 4 eller så veckorna. FFT Moving Average FFT-MA Generator En effektiv numerisk metod för att generera och konditionera Gaussian Simulations. Cite denna artikel som Ravalec, ML Noetinger, B New York, Wiley Sons, 230 p. Journe L, AG 1974, Geostatistik för villkorlig simulering av malmkroppar Econ Geology, v 69, p 673 687 Google Scholar. Journel, AG och Huijbregts, CJ 1978, Mining geostatistics Academic, San Diego, CA. Lantujoul, C 1994, icke villkorlig simulering Av stationära isotropa multiGaussian slumpmässiga funktioner, i M Armstrong, M och Dowd, PA eds Geostatistiska simuleringar Kluwer Academic Publishers, Dordrecht, Nederländerna, s. 147 177 Google Scholar. Le Ravalec, M Hu, LY och Noetinger, B 1999, Stokastisk reservoarmodellering Begränsad till dynamisk data Lokal kalibrering och inferens av strukturparametrarna SPE: s årliga tekniska konferens och utställning, Houston, TX, SPE 56556.Mantoglou, 1987, Digital simulering av multivariata två - och tredimensionella stokastiska processer med en spektral vridbandsmetod Math Geology, v 19, nr 2, sid 129 149 Google Scholar. Mantoglou, A och Wilson, J 1982, Vridbandsmetoden för simulering av slumpmässiga fält med användning av linjegeneration med spektralmetod W Ater Resources Res v 18, s. 1379 1394 Google Scholar. Matheron, G 1973, De inneboende slumpmässiga funktionerna och deras applikationer Adv Appl Prob v 5, s 439 468 Google Scholar. Oliver, DS 1995, Flytta genomsnittsvärden för gaussimulering i två och tre Dimensioner Math Geology v 27, nr 8, p 939 960 Google Scholar. Oliver, DS Cunha, LB och Reynolds, AC 1997, A Markov-kedjan Monte Carlo metod för villkorlig simulering Math Geology, v 29, nr 1, sid 61 91 Google Scholar. Ouenes, A 1992, Applikation av simulerad glödgning till reservoarkarakterisering och petrofysiskt inversystem. Ej publicerad doktorsavhandling, New Mexico Technical, Socorro, NM, 205 s. Google Scholar. Pardo-Iguzquiza, E och Chica-Olmo, M 1993, The Fourier integral Metod En effektiv spektral metod för simulering av slumpmässiga fält Math Geology, v 25, nr 2, p 177 217 Google Scholar. Prez, G Stokastisk villkorlig simulering för beskrivning av reservoaregenskaper Ej publicerad doktorsavhandling, University of Tulsa, Tulsa, OK, 245 p. Priestley, MB 1981, Spektralanalys och tidsserier Academic Press, London, GB Google Scholar. RamaRao, BS La Venue, AM de Marsilly, G och Marietta, MG 1995, Pilotpunktmetodik för automatisk kalibrering av ett ensemble av villkorligt simulerad överföringsförmåga Fält 1 Teori och beräkningsexperiment Vattenresurser Res v 31, nr 3, s 475 493 Google Scholar. Roggero, F och Hu, L 1998, Gradual deformation av kontinuerliga geostatistiska modeller för historia som matchar SPE: s årliga tekniska konferens och utställning, New Orleans, LA , SPE 49004.Shinozuka, M och Jan, CM 1972, Digital simulering av slumpmässiga processer och dess tillämpningar Jour Sounds Vib 25, nr 1, sid 111 128 Google Scholar. Yao, T 1998, Conditional spectral simulering med fasidentifikation Matematisk geologi, v 30, nr 3, s 285 308 Google Scholar. Copyright information. International Association for Mathematical Geology 2000.Authors and Affiliations. Mickale Le Ravalec. Benot Noetinger.1 Institut Franais du Ptrole Pau Cedex 9 France.2 Institut Franais du Ptrole Pau Cedex 9 Frankrike. Om denna artikel.
No comments:
Post a Comment