python预测抵达时间eta_算法-智能进度条ETA计算

首先，它有助于生成移动均线。 这对最近事件的加权更大。

为此，请保留一堆样本(循环缓冲区或列表)，每个样本都有一对进度和时间。 保留最近的N秒样本。 然后生成样本的加权平均值：

totalProgress += (curSample.progress - prevSample.progress) * scaleFactor

totalTime += (curSample.time - prevSample.time) * scaleFactor

其中scaleFactor从0 ... 1线性地变为过去的时间的反函数(因此，对新近采样的权重更大)。 您当然可以使用此权重。

最后，您可以获得平均变化率：

averageProgressRate = (totalProgress / totalTime);

您可以通过将剩余进度除以该数字来计算出预计到达时间。

但是，尽管这为您提供了一个很好的趋势数字，但您还有另一个问题-抖动。 如果由于自然变化而导致您的进度有所波动(嘈杂)，例如 也许您正在使用它来估计文件下载-您会注意到噪音很容易导致您的ETA跳动，尤其是在将来很长一段时间(几分钟或更长时间)的情况下。

为避免抖动对您的ETA造成太大影响，您希望此平均更改率速率对更新进行缓慢响应。 解决此问题的一种方法是保持averageProgressRate的缓存值不变，而不是立即将其更新为您刚刚计算出的趋势数，而是将其模拟为具有质量的重物，然后将模拟“力”缓慢施加 将其移向趋势数。 对于质量，它具有一点惯性，并且不太可能受到抖动的影响。

这是一个粗略的示例：

// desiredAverageProgressRate is com