Qll Symbolisch für Distanzen fertig

Stochastisches_Modell.py

@@ -1,6 +1,8 @@
 import sympy as sp
 from dataclasses import dataclass, field
 from typing import Dict, Tuple, Iterable
+from Export import Export
+from Datenbank import Datenbankzugriff
 
 @dataclass
 class StochastischesModell:
@@ -48,8 +50,42 @@ class StochastischesModell:
             Q_ll[i, i] = q_ii                       #Diagonale
         return Q_ll
 
-    def Qll_aus_db(self):
-        pass
+    def Qll_symbolisch(self, pfad_datenbank, liste_beobachtungen_symbolisch):
+        liste_standardabweichungen_symbole = []
+        liste_beobachtungen_symbolisch = [str(b) for b in liste_beobachtungen_symbolisch]
+        Qll = sp.zeros(len(liste_beobachtungen_symbolisch), len(liste_beobachtungen_symbolisch))
+
+        db_zugriff = Datenbankzugriff(pfad_datenbank)
+        dict_beobachtungenID_instrumenteID = db_zugriff.get_instrumenteID_beobachtungenID_dict()
+
+        for i, beobachtung_symbolisch_i in enumerate(liste_beobachtungen_symbolisch):
+            aufgeteilt_i = beobachtung_symbolisch_i.split("_")
+            beobachtungenID_i = int(aufgeteilt_i[0])
+            instrumenteID_i = dict_beobachtungenID_instrumenteID[beobachtungenID_i]
+            beobachtungsart_i = str(aufgeteilt_i[1])
+
+            if beobachtungsart_i == "SD":
+                stabw_apriori_konstant = sp.Symbol(f"stabw_apriori_konstant_{instrumenteID_i}")
+                stabw_apriori_streckenprop = sp.Symbol(f"stabw_apriori_streckenprop_{instrumenteID_i}")
+                tachymeter_distanz = sp.Symbol(f"SD_{beobachtungenID_i}")
+
+                sigma = sp.sqrt(stabw_apriori_konstant ** 2 + (stabw_apriori_streckenprop * tachymeter_distanz / 1000) ** 2)
+                liste_standardabweichungen_symbole.append(sigma)
+
+                Qll[i, i] = sigma ** 2
+
+            for j in range (i + 1, len(liste_beobachtungen_symbolisch)):
+                beobachtung_symbolisch_j =liste_beobachtungen_symbolisch[j]
+                aufgeteilt_j = beobachtung_symbolisch_j.split("_")
+                beobachtungsart_j = str(aufgeteilt_j[1])
+
+                if beobachtungsart_i == "SD" and beobachtungsart_j == "SD":
+                    Qll[i, j] = 0
+                    Qll[j, i] = 0
+        Export.matrix_to_csv(r"Zwischenergebnisse\Qll_Symbolisch.csv", liste_beobachtungen_symbolisch, liste_beobachtungen_symbolisch, Qll, "Qll")
+        return Qll
+
+
 
 
     def berechne_P(Q_ll):