Pythonfiles

Tests_Michelle/Parameterschaetzung_müll.py

@@ -0,0 +1,56 @@
+from typing import Dict, Any
+import sympy as sp
+from Stochastisches_Modell import StochastischesModell
+
+def iterative_ausgleichung(
+    A: sp.Matrix,
+    dl: sp.Matrix,
+    modell: StochastischesModell,
+) -> Dict[str, Any]:
+
+    ergebnisse_iter = []                                #Liste für Zwischenergebnisse
+
+    for it in range(max_iter):
+        Q_ll, P = modell.berechne_Qll_P()               #Stochastisches Modell: Qll und P berechnen
+
+        N = A.T * P * A                                 #Normalgleichungsmatrix N
+        Q_xx = N.inv()                                  #Kofaktormatrix der Unbekannten Qxx
+        n = A.T * P * dl                                 #Absolutgliedvektor n
+
+        dx = N.LUsolve(n)                               #Zuschlagsvektor dx
+
+        v = dl - A * dx                                  #Residuenvektor v
+
+        Q_vv = modell.berechne_Qvv(A, P, Q_xx)          #Kofaktormatrix der Verbesserungen Qvv
+        R = modell.berechne_R(Q_vv, P)                  #Redundanzmatrix R
+        r = modell.berechne_r(R)                        #Redundanzanteile als Vektor r
+
+        ergebnisse_iter.append({                        #Zwischenergebnisse speichern in Liste
+            "iter": it + 1,
+            "Q_ll": Q_ll,
+            "P": P,
+            "N": N,
+            "Q_xx": Q_xx,
+            "dx": dx,
+            "v": v,
+            "Q_vv": Q_vv,
+            "R": R,
+            "r": r,
+            "sigma_hat": sigma_hat,
+            "sigma0_groups": dict(modell.sigma0_groups),
+        })
+
+    return {
+        "dx": dx,
+        "v": v,
+        "Q_ll": Q_ll,
+        "P": P,
+        "N": N,
+        "Q_xx": Q_xx,
+        "Q_vv": Q_vv,
+        "R": R,
+        "r": r,
+        "sigma_hat": sigma_hat,
+        "sigma0_groups": dict(modell.sigma0_groups),
+        "history": ergebnisse_iter,
+    }