96 lines
2.5 KiB
Python
96 lines
2.5 KiB
Python
from Stochastisches_Modell import StochastischesModell
|
|
from Netzqualität_Genauigkeit import Genauigkeitsmaße
|
|
from Datumsfestlegung import Datumsfestlegung
|
|
import sympy as sp
|
|
import numpy as np
|
|
import Export
|
|
|
|
|
|
def ausgleichung_global(A, dl, Q_ext):
|
|
A=np.asarray(A, float)
|
|
dl = np.asarray(dl, float).reshape(-1, 1)
|
|
Q_ext = np.asarray(Q_ext, float)
|
|
|
|
# 1) Gewichtsmatrix P
|
|
P = StochastischesModell.berechne_P(Q_ext)
|
|
|
|
# 2) Normalgleichungsmatrix N und Absolutgliedvektor n
|
|
N = A.T @ P @ A
|
|
n = A.T @ P @ dl
|
|
|
|
# 3) Zuschlagsvektor dx
|
|
dx = np.linalg.solve(N, n)
|
|
|
|
# 4) Residuenvektor v
|
|
v = A @ dx - dl
|
|
|
|
# 5) Kofaktormatrix der Unbekannten Q_xx
|
|
Q_xx = StochastischesModell.berechne_Q_xx(N)
|
|
|
|
# 6) Kofaktormatrix der Beobachtungen Q_ll_dach
|
|
Q_ll_dach = StochastischesModell.berechne_Q_ll_dach(A, Q_xx)
|
|
|
|
# 7) Kofaktormatrix der Verbesserungen Q_vv
|
|
Q_vv = StochastischesModell.berechne_Qvv(Q_ext, Q_ll_dach)
|
|
|
|
# 8) Ausgabe
|
|
dict_ausgleichung = {
|
|
"dx": dx,
|
|
"v": v,
|
|
"P": P,
|
|
"N": N,
|
|
"Q_xx": Q_xx,
|
|
"Q_ll_dach": Q_ll_dach,
|
|
"Q_vv": Q_vv,
|
|
"Q_ext": Q_ext,
|
|
}
|
|
return dict_ausgleichung, dx
|
|
|
|
|
|
|
|
def ausgleichung_lokal(A, dl, Q_ll):
|
|
A = np.asarray(A, dtype=float)
|
|
dl = np.asarray(dl, dtype=float).reshape(-1, 1)
|
|
Q_ll = np.asarray(Q_ll, dtype=float)
|
|
|
|
# 1) Gewichtsmatrix
|
|
P = np.linalg.inv(Q_ll)
|
|
|
|
# 2) Normalgleichungen
|
|
N = A.T @ P @ A
|
|
n = A.T @ P @ dl
|
|
|
|
# 3) Datumsfestlegung
|
|
G = Datumsfestlegung.build_G_from_names(x0, Jacobimatrix_symbolisch_liste_unbekannte, liste_punktnummern, mit_massstab=True)
|
|
u = A.shape[1]
|
|
aktive = Datumsfestlegung.aktive_indices_from_selection(auswahl, Jacobimatrix_symbolisch_liste_unbekannte)
|
|
E = Datumsfestlegung.auswahlmatrix_E(u, aktive)
|
|
Gi = E @ G
|
|
|
|
# 3) Zuschlagsvektor dx
|
|
dx, k = Datumsfestlegung.berechne_dx_geraendert(N, n, Gi)
|
|
|
|
# 5) Residuen
|
|
v = dl - A @ dx
|
|
|
|
# 5) Kofaktormatrix der Unbekannten Q_xx
|
|
Q_xx = StochastischesModell.berechne_Q_xx(N)
|
|
|
|
# 6) Kofaktormatrix der Beobachtungen Q_ll_dach
|
|
Q_ll_dach = StochastischesModell.berechne_Q_ll_dach(A, Q_xx)
|
|
|
|
# 7) Kofaktormatrix der Verbesserungen Q_vv
|
|
Q_vv = StochastischesModell.berechne_Qvv(Q_ll, Q_ll_dach)
|
|
|
|
# 8) Ausgabe
|
|
dict_ausgleichung = {
|
|
"dx": dx,
|
|
"v": v,
|
|
"P": P,
|
|
"N": N,
|
|
"Q_xx": Q_xx,
|
|
"Q_ll_dach": Q_ll_dach,
|
|
"Q_vv": Q_vv,
|
|
"Q_ll": Q_ll,
|
|
}
|
|
return dict_ausgleichung, dx |