Bin Method(温频法）计算的Python程序

最新推荐文章于 2023-02-15 20:34:09 发布
最新推荐文章于 2023-02-15 20:34:09 发布
阅读量361 收藏
点赞数
分类专栏： 数值传热 文章标签： python bin method
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_48615832/article/details/112381982
版权

基本概念

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
tbal —— 平衡点温度，℃
to —— 室外温度，℃
ti —— 室内温度，℃
Ktol —— 建筑总的热损失系数，W/K
qgain —— 总的热损失，W/m2
ηh —— 供暖系统的效率
θ —— 时间，s
在这里插入图片描述
在这里插入图片描述

例题

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
这个例题用的是Nashville,TN(纳什维尔，田纳西州)的数据

在这里插入图片描述
计算结果：
在这里插入图片描述
在这里插入图片描述

代码

#The Bin Method
#设计温差为dT=30℃时，建筑设计热损失为HL=11700W
#室内设计温度ti=21℃，平均内热源为q_gain=1250W
#假设有一个额定功率为10.5kW的热泵
dT = 30    #设计温差dT
HL = 11700    #建筑设计热损失HL
t_i = 21    #室内设计温度ti
q_gain=1250    #平均内热源为q_gain
T_Bin = [16, 13, 10, 7, 4, 1, -2, -5, -8, -11]
Weather_Bin = [693, 801, 670, 858, 639, 793, 141, 89, 29, 0]
K_tol = HL/dT    #建筑总的热损失系数W/K
t_bol = t_i - q_gain/K_tol    #平衡点温度t_bol，℃
print('建筑总的热损失系数K_to：',K_tol)
print('平衡点温度t_bol：',t_bol)

结果：

建筑总的热损失系数K_to： 390.0
平衡点温度t_bol： 17.794871794871796

计算一年总的能耗

代码1（计算过程不保留小数点位数，按原数据计算）

#The Bin Method
#设计温差为dT=30℃时，建筑设计热损失为HL=11700W
#室内设计温度ti=21℃，平均内热源为q_gain=1250W
#假设有一个额定功率为10.5kW的热泵
import pandas as pd
dT = 30    #设计温差dT
HL = 11700    #建筑设计热损失HL
t_i = 21    #室内设计温度ti
q_gain=1250    #平均内热源为q_gain
T_Bin = [16, 13, 10, 7, 4, 1, -2, -5, -8]
Weather_Bin = [693, 801, 670, 858, 639, 793, 141, 89, 29]
Heat_Pump_capacity = [12.80, 12.01, 11.22, 9.8, 8.49, 7.98, 7.47, 6.95, 6.48]    #Heat Pump Integrated Heating Capacity，KW
Electric_input_Rated = [3.74, 3.63, 3.52, 3.40, 3.18, 3.10, 3.02, 2.93, 2.85]    #Rated Electric Input，KW
K_tol = HL/dT    #建筑总的热损失系数W/K
t_bol = t_i - q_gain/K_tol    #平衡点温度t_bol，℃
print('建筑总的热损失系数K_to：',K_tol)
print('平衡点温度t_bol：',t_bol)
frame = [['Temp_Bin', 'Temp_Diff', 'Weather_Data_bin', 'Heat_Loss_Rate', 'Heat_Pump_Integrated_Heating_Capacity', 'Cycling_Capacity_Adjustment_Factor', 'Adjusted_Heat_Pump_Capacity', 'Rated_Electric_Input', 'Operating_Time_Fraction', 'Heat_Pump_Supplied_Heating', 'Seasonal_Heat_Pump_Electric_Consumption', 'Space_Load', 'Supplemental_Heating_Required', 'Total_Electric_Energy_Consumption'],
         ['℃','℃','h','kW','kW',' ','kW','kW',' ','kWh','kWh','kWh','kWh','kWh']]
Heat_Pump_supplyheating_sum = 0    #一年里热泵总的供热量
Heat_Pump_Electric_Consumption_sum = 0    #一年里热泵总的耗电量
Space_Load_sum = 0    #一年里总的房间负荷
Supplemental_Heating_required_sum = 0    #一年里除热泵以外需要补充的总热量
Total_Electric_Consumption_sum = 0    #一年里总的电能消耗
for i in range(len(T_Bin)):
    result = []
    result.append(T_Bin[i])
    dT_bal = t_bol - T_Bin[i]    #平衡点温度与Bin温度的温差
    result.append(round(dT_bal,1))
    result.append(Weather_Bin[i])
    Heat_Loss = dT_bal * K_tol/1000    #某温差下的额定热损失，KW
    result.append(round(Heat_Loss,2))
    result.append(Heat_Pump_capacity[i])
    if Heat_Loss < Heat_Pump_capacity[i]:
        C_d = 0.25    #degradation coefficient退化系数
        Capacity_adjustment_factor = 1 - C_d * (1-Heat_Loss/Heat_Pump_capacity[i])    #Cycling Capacity Adjustment Factor循环修正因子
    else:
        Capacity_adjustment_factor = 1.000
    result.append(round(Capacity_adjustment_factor, 3))
    Heat_Pump_adjusted_capacity = Heat_Pump_capacity[i] * Capacity_adjustment_factor    #修正后的热泵功率
    result.append(round(Heat_Pump_adjusted_capacity, 2))
    result.append(Electric_input_Rated[i])
    if Heat_Loss < Heat_Pump_capacity[i]:
        Operating_Time_fraction = Heat_Loss / Heat_Pump_adjusted_capacity    #工作时间分数
    else:
        Operating_Time_fraction = 1.000
    result.append(round(Operating_Time_fraction, 3))
    Heat_Pump_supplyheating = Operating_Time_fraction * Heat_Pump_adjusted_capacity * Weather_Bin[i]    #热泵供热量，KWh
    result.append(round(Heat_Pump_supplyheating, 0))
    Heat_Pump_supplyheating_sum += Heat_Pump_supplyheating
    Heat_Pump_Electric_Consumption = Operating_Time_fraction * Electric_input_Rated[i] * Weather_Bin[i]    #热泵用电量，KWh
    result.append(round(Heat_Pump_Electric_Consumption, 0))
    Heat_Pump_Electric_Consumption_sum += Heat_Pump_Electric_Consumption
    Space_Load = Heat_Loss * Weather_Bin[i]    #Space Load空间负荷，KWh
    result.append(round(Space_Load, 0))
    Space_Load_sum += Space_Load
    Supplemental_Heating_required = Space_Load - Heat_Pump_supplyheating    #需要补充的热量，KWh
    result.append(round(Supplemental_Heating_required, 0))
    Supplemental_Heating_required_sum += Supplemental_Heating_required
    Total_Electric_Consumption = Heat_Pump_Electric_Consumption + Supplemental_Heating_required    #总的电能消耗，KWh
    result.append(round(Total_Electric_Consumption, 0))
    Total_Electric_Consumption_sum += Total_Electric_Consumption
    frame.append(result)
data_frame = pd.DataFrame(frame)
# 横向最多显示多少个字符， 一般80不适合横向的屏幕，平时多用200
pd.set_option('display.width', 500)
# 显示所有列
pd.set_option('display.max_columns', None)
print(data_frame)
print(f'一年里热泵总的供热量：{round(Heat_Pump_supplyheating_sum,0)} kwh')
print(f'一年里热泵总的耗电量：{round(Heat_Pump_Electric_Consumption_sum,0)} kwh')
print(f'一年里总的房间负荷：{round(Space_Load_sum,0)} kwh')
print(f'一年里除热泵以外需要补充的总热量：{round(Supplemental_Heating_required_sum,0)} kwh')
print(f'一年里总的电能消耗：{round(Total_Electric_Consumption_sum,0)} kwh')

结果：

建筑总的热损失系数K_to： 390.0
平衡点温度t_bol： 17.794871794871796
           0          1                 2               3                                      4                                   5                            6                     7                        8                           9                                       10          11                             12                                 13
0   Temp_Bin  Temp_Diff  Weather_Data_bin  Heat_Loss_Rate  Heat_Pump_Integrated_Heating_Capacity  Cycling_Capacity_Adjustment_Factor  Adjusted_Heat_Pump_Capacity  Rated_Electric_Input  Operating_Time_Fraction  Heat_Pump_Supplied_Heating  Seasonal_Heat_Pump_Electric_Consumption  Space_Load  Supplemental_Heating_Required  Total_Electric_Energy_Consumption
1          ℃          ℃                 h              kW                                     kW                                                               kW                    kW                                                  kWh                                      kWh         kWh                            kWh                                kWh
2         16        1.8               693             0.7                                   12.8                               0.764                         9.78                  3.74                    0.072                         485                                      186         485                              0                                186
3         13        4.8               801            1.87                                  12.01                               0.789                         9.47                  3.63                    0.197                        1498                                      574        1498                              0                                574
4         10        7.8               670            3.04                                  11.22                               0.818                         9.18                  3.52                    0.331                        2037                                      781        2037                              0                                781
5          7       10.8               858            4.21                                    9.8                               0.857                          8.4                   3.4                    0.501                        3612                                     1462        3612                              0                               1462
6          4       13.8               639            5.38                                   8.49                               0.908                         7.71                  3.18                    0.698                        3438                                     1417        3438                              0                               1417
7          1       16.8               793            6.55                                   7.98                               0.955                         7.62                   3.1                    0.859                        5194                                     2112        5194                              0                               2112
8         -2       19.8               141            7.72                                   7.47                                   1                         7.47                  3.02                        1                        1053                                      426        1089                             35                                461
9         -5       22.8                89            8.89                                   6.95                                   1                         6.95                  2.93                        1                         619                                      261         791                            173                                433
10        -8       25.8                29           10.06                                   6.48                                   1                         6.48                  2.85                        1                         188                                       83         292                            104                                186
一年里热泵总的供热量：18124.0 kwh
一年里热泵总的耗电量：7302.0 kwh
一年里总的房间负荷：18435.0 kwh
一年里除热泵以外需要补充的总热量：312.0 kwh
一年里总的电能消耗：7613.0 kwh

代码2（计算过程保留小数点位数，按保留小数点后的数据计算）

#The Bin Method
#设计温差为dT=30℃时，建筑设计热损失为HL=11700W
#室内设计温度ti=21℃，平均内热源为q_gain=1250W
#假设有一个额定功率为10.5kW的热泵
import pandas as pd
dT = 30    #设计温差dT
HL = 11700    #建筑设计热损失HL
t_i = 21    #室内设计温度ti
q_gain=1250    #平均内热源为q_gain
T_Bin = [16, 13, 10, 7, 4, 1, -2, -5, -8]
Weather_Bin = [693, 801, 670, 858, 639, 793, 141, 89, 29]
Heat_Pump_capacity = [12.80, 12.01, 11.22, 9.8, 8.49, 7.98, 7.47, 6.95, 6.48]    #Heat Pump Integrated Heating Capacity，KW
Electric_input_Rated = [3.74, 3.63, 3.52, 3.40, 3.18, 3.10, 3.02, 2.93, 2.85]    #Rated Electric Input，KW
K_tol = HL/dT    #建筑总的热损失系数W/K
t_bol = t_i - q_gain/K_tol    #平衡点温度t_bol，℃
print('建筑总的热损失系数K_to：',K_tol)
print('平衡点温度t_bol：',t_bol)
frame = [['Temp_Bin', 'Temp_Diff', 'Weather_Data_bin', 'Heat_Loss_Rate', 'Heat_Pump_Integrated_Heating_Capacity', 'Cycling_Capacity_Adjustment_Factor', 'Adjusted_Heat_Pump_Capacity', 'Rated_Electric_Input', 'Operating_Time_Fraction', 'Heat_Pump_Supplied_Heating', 'Seasonal_Heat_Pump_Electric_Consumption', 'Space_Load', 'Supplemental_Heating_Required', 'Total_Electric_Energy_Consumption'],
         ['℃','℃','h','kW','kW',' ','kW','kW',' ','kWh','kWh','kWh','kWh','kWh']]
Heat_Pump_supplyheating_sum = 0    #一年里热泵总的供热量
Heat_Pump_Electric_Consumption_sum = 0    #一年里热泵总的耗电量
Space_Load_sum = 0    #一年里总的房间负荷
Supplemental_Heating_required_sum = 0    #一年里除热泵以外需要补充的总热量
Total_Electric_Consumption_sum = 0    #一年里总的电能消耗
for i in range(len(T_Bin)):
    result = []
    result.append(T_Bin[i])
    dT_bal = t_bol - T_Bin[i]    #平衡点温度与Bin温度的温差
    dT_bal = round(dT_bal,1)
    result.append(dT_bal)
    result.append(Weather_Bin[i])
    Heat_Loss = dT_bal * K_tol/1000    #某温差下的额定热损失，KW
    Heat_Loss = round(Heat_Loss,2)
    result.append(Heat_Loss)
    result.append(Heat_Pump_capacity[i])
    if Heat_Loss < Heat_Pump_capacity[i]:
        C_d = 0.25    #degradation coefficient退化系数
        Capacity_adjustment_factor = 1 - C_d * (1-Heat_Loss/Heat_Pump_capacity[i])   #Cycling Capacity Adjustment Factor循环修正因子

    else:
        Capacity_adjustment_factor = 1.000
    Capacity_adjustment_factor = round(Capacity_adjustment_factor, 3)
    result.append(Capacity_adjustment_factor)
    Heat_Pump_adjusted_capacity = Heat_Pump_capacity[i] * Capacity_adjustment_factor    #修正后的热泵功率
    Heat_Pump_adjusted_capacity = round(Heat_Pump_adjusted_capacity, 2)
    result.append(Heat_Pump_adjusted_capacity)
    result.append(Electric_input_Rated[i])
    if Heat_Loss < Heat_Pump_capacity[i]:
        Operating_Time_fraction = Heat_Loss / Heat_Pump_adjusted_capacity   #工作时间分数
    else:
        Operating_Time_fraction = 1.000
    Operating_Time_fraction = round(Operating_Time_fraction, 3)
    result.append(Operating_Time_fraction)
    Heat_Pump_supplyheating = Operating_Time_fraction * Heat_Pump_adjusted_capacity * Weather_Bin[i]    #热泵供热量，KWh
    Heat_Pump_supplyheating = round(Heat_Pump_supplyheating, 0)
    result.append(Heat_Pump_supplyheating)
    Heat_Pump_supplyheating_sum += Heat_Pump_supplyheating
    Heat_Pump_Electric_Consumption = Operating_Time_fraction * Electric_input_Rated[i] * Weather_Bin[i]    #热泵用电量，KWh
    Heat_Pump_Electric_Consumption = round(Heat_Pump_Electric_Consumption, 0)
    result.append(Heat_Pump_Electric_Consumption)
    Heat_Pump_Electric_Consumption_sum += Heat_Pump_Electric_Consumption
    Space_Load = Heat_Loss * Weather_Bin[i]    #Space Load空间负荷，KWh
    Space_Load = round(Space_Load, 0)
    result.append(Space_Load)
    Space_Load_sum += Space_Load
    Supplemental_Heating_required = Space_Load - Heat_Pump_supplyheating    #需要补充的热量，KWh
    if Heat_Loss >= Heat_Pump_capacity[i]:
        Supplemental_Heating_required = round(Supplemental_Heating_required, 0)
    else:
        Supplemental_Heating_required = 0
    result.append(Supplemental_Heating_required)
    Supplemental_Heating_required_sum += Supplemental_Heating_required
    Total_Electric_Consumption = Heat_Pump_Electric_Consumption + Supplemental_Heating_required    #总的电能消耗，KWh
    result.append(Total_Electric_Consumption)
    Total_Electric_Consumption_sum += Total_Electric_Consumption
    frame.append(result)
data_frame = pd.DataFrame(frame)
# 横向最多显示多少个字符， 一般80不适合横向的屏幕，平时多用200
pd.set_option('display.width', 500)
# 显示所有列
pd.set_option('display.max_columns', None)
print(data_frame)
print(f'一年里热泵总的供热量：{round(Heat_Pump_supplyheating_sum,0)} kwh')
print(f'一年里热泵总的耗电量：{round(Heat_Pump_Electric_Consumption_sum,0)} kwh')
print(f'一年里总的房间负荷：{round(Space_Load_sum,0)} kwh')
print(f'一年里除热泵以外需要补充的总热量：{round(Supplemental_Heating_required_sum,0)} kwh')
print(f'一年里总的电能消耗：{round(Total_Electric_Consumption_sum,0)} kwh')

结果：

建筑总的热损失系数K_to： 390.0
平衡点温度t_bol： 17.794871794871796
           0          1                 2               3                                      4                                   5                            6                     7                        8                           9                                       10          11                             12                                 13
0   Temp_Bin  Temp_Diff  Weather_Data_bin  Heat_Loss_Rate  Heat_Pump_Integrated_Heating_Capacity  Cycling_Capacity_Adjustment_Factor  Adjusted_Heat_Pump_Capacity  Rated_Electric_Input  Operating_Time_Fraction  Heat_Pump_Supplied_Heating  Seasonal_Heat_Pump_Electric_Consumption  Space_Load  Supplemental_Heating_Required  Total_Electric_Energy_Consumption
1          ℃          ℃                 h              kW                                     kW                                                               kW                    kW                                                  kWh                                      kWh         kWh                            kWh                                kWh
2         16        1.8               693             0.7                                   12.8                               0.764                         9.78                  3.74                    0.072                         488                                      187         485                              0                                187
3         13        4.8               801            1.87                                  12.01                               0.789                         9.48                  3.63                    0.197                        1496                                      573        1498                              0                                573
4         10        7.8               670            3.04                                  11.22                               0.818                         9.18                  3.52                    0.331                        2036                                      781        2037                              0                                781
5          7       10.8               858            4.21                                    9.8                               0.857                          8.4                   3.4                    0.501                        3611                                     1462        3612                              0                               1462
6          4       13.8               639            5.38                                   8.49                               0.908                         7.71                  3.18                    0.698                        3439                                     1418        3438                              0                               1418
7          1       16.8               793            6.55                                   7.98                               0.955                         7.62                   3.1                     0.86                        5197                                     2114        5194                              0                               2114
8         -2       19.8               141            7.72                                   7.47                                   1                         7.47                  3.02                        1                        1053                                      426        1089                             36                                462
9         -5       22.8                89            8.89                                   6.95                                   1                         6.95                  2.93                        1                         619                                      261         791                            172                                433
10        -8       25.8                29           10.06                                   6.48                                   1                         6.48                  2.85                        1                         188                                       83         292                            104                                187
一年里热泵总的供热量：18127.0 kwh
一年里热泵总的耗电量：7305.0 kwh
一年里总的房间负荷：18436.0 kwh
一年里除热泵以外需要补充的总热量：312.0 kwh
一年里总的电能消耗：7617.0 kwh
Fo*(Bi)
关注
专栏目录
『CV学习笔记』Pyinstaller打包python程序遇到的问题(Win&Linux)+Cython编译动态库+PyArmor加密
AI新视界
08-03 2034
PyInstaller将Python应用程序及其所有依赖项捆绑到一个单独的包中。用户可以在不安装Python解释器或任何模块的情况下运行打包的应用程序。最新的PyInstaller 6.3.0支持Python 3.8及更高版本，并正确捆绑了许多主要的Python包，例如numpy、matplotlib、PyQt、wxPython等。
【Python在气象中的实战应用案例】Python计算位温和相当位温（附代码+数据）.zip
04-24
【Python在气象中的实战应用案例】Python计算位温和相当位温（附代码+数据）.zip
Binning method
weixin_43948357的博客
08-07 2069
Binning method 分箱法（不知道咋翻译）用于平滑数据或处理有噪声的数据。在这种方法中，首先对数据进行排序，然后将排序后的值分布到多个桶或箱中。它们执行局部平滑的规则如下， 1.按均值平滑。每个bin里的数值都等价于这个bins里数值的均值。 2.按中位数平滑。每个bin里的数值都等价于这个bins里数值的中位数。 3.按边界平均。①确定每个bin的最大值和最小值。②对于bin里的数值，若其靠近最大值则等价到最大值。如若靠近最小值，则等价为最小值。 参考文献 【1】Python代码 ...
霜期计算在python上的实现
04-30 1230
1、霜期定义 初霜日：7月1日向后日最低气温第一个小于0°C的日序 终霜日：7月1日向前日最低气温第一个小于0°C的日序 霜期：初霜日到下一年终霜日的天数 无霜期：365或366减去霜期 霜期负积温天数：霜期内日平均气温小于0°C天数 霜期负积温之和：霜期内日平均气温小于0°C温度之和 2、数据 每个站点的日最低气温和日平均气温数据。 3、需求 统计每个站点每年的初霜日、终霜日、霜期、无霜期、霜期负积温天数、霜期负积温之和。 4、统计结果 ...
python应用之小麦生育期气象因子计算——基于pandas库
weixin_45452300的博客
02-15 1032
利用python对气象数据进行分时段统计计算
Bin法数据分析 代码
01-19
采用bin法对数据进行分类整理，尤其适用于风电机组功率曲线评估程序。代码格式为matlab形式。
Python内置函数bin() oct()等实现进制转换
01-20
使用Python内置函数：bin()、oct()、int()、hex()可实现进制转换。 先看Python官方文档中对这几个内置函数的描述： bin(x) Convert an integer number to a binary string. The result is a valid Python expression...
python中bin(20)_Python bin()用法及代码示例
weixin_39928003的博客
12-10 1261
将小数转换为二进制始终是python dev项目和竞争性编程中所必需的重要实用程序。具有速记功能来实现此目的在需要快速转换而无需编写长代码的情况下总是很方便的，这由“ bin()”提供。本文对此进行了讨论。将十进制转换为二进制的自编程方法1.使用递归# Function to print binary number for the# input decimal using recursiondef...
python计算gpa,Python版GPA计算器
weixin_35523284的博客
03-26 1165
最近在网申投简历时遇到一个需要计算GPA的问题，想起自己在上学时写的Excel公式版GPA计算器略显low，而且操作也比较复杂，于是一时兴起，写了个Python版的，在此分享给大家！准备工作：用户事先准备好如下图所示的Excel表格，其中A列为每门课程的学分，B列为每门课程的成绩。成绩可以有三种合法的表示方式：百分制：支持0-100的整数或浮点数五分制：默认支持'优', '良', '中', '差'...
python程序运行后没反应,运行python程序后没有输出
weixin_30440363的博客
03-26 4664
我应该写一个名为Employee的类，其中包含姓名、薪水和工作年限的数据。它计算员工在退休时每月将收到的养老金支出，并显示employee对象的三个实例变量。它还调用Employee对象的pension方法来计算该雇员的每月养老金支出，并显示它。你知道吗我在运行程序后没有得到任何输出，这就是具体的问题。我应该得到这样的输出：Name: Joe ChenSalary: 80000Years of s...
变量选择详解与源码实现
WGS.
11-22 3368
文章目录1.过滤法变量选择1.1缺失情况变量筛选1.2方差变量筛选1.3预测能力变量筛选1.4业务理解的变量筛选（IV、PSI）1.5相关性指标变量筛选（最大相关最小冗余）2.包装法变量选择3.嵌入法变量选择4.一般变量选择过程1.基于IV值进行初步筛选2.聚类分析3.相关性分析4.逐步回归变量选择（包装法）5.随机森林或 Xgboost 模型变量重要性排序，得到最终的变量筛选结果5.过滤法、包装法、嵌入法源码1.读取数据区分离散变量与连续变量2.对连续变量和离散变量分箱（删除分箱数只有1的）3.对训练数据
Python变量分箱--woe值单调分箱
jin_tmac's studio
10-28 7467
最近上传了一个变量分箱的方法到pypi，这个包的主要有以下说明： 缺失值单独一箱，不论缺失的数量多少； 生成的分箱woe值是单调的，后续有时间会迭代U型分箱的版本； 会有分箱最小样本数占比，类似决策树的最小叶节点占比； 分箱成功的变量才会保留，有可能失败的情况是找不出同时满足上述2和3的分箱； 具体的变量分箱原理见之前的博客。 可以通过pip install woe-linear-bin 安装...
《Python金融大数据风控建模实战》 第7章 变量选择
小成星际的博客
03-07 1314
《Python金融大数据风控建模实战》 第7章 变量选择本章引言Python代码实现及注释 本章引言 变量选择常见的方法有过滤法、包装法、嵌入法，并且在上述方法中又有单变量选择、多变量选择、有监督选择、无监督选择。在实际应用中，单纯从数据挖掘的角度进行变量选择是不够的，还要结合业务理解对选择后的变量进行回测，以符合业务解释。 Python代码实现及注释 # 第7章：变量选择 ''' 在变量分箱的基础上进行变量编码，然后进行变量编码，然后进行变量选择，变量选择程序主要采用scikit-learn包中的fea
机器学习系列：（六）K-Means聚类
热门推荐
风雪夜归子
06-24 2万+
K-Means聚类 前面几章我们介绍了监督学习，包括从带标签的数据中学习的回归和分类算法。本章，我们讨论无监督学习算法，聚类（clustering）。聚类是用于找出不带标签数据的相似性的算法。我们将介绍K-Means聚类思想，解决一个图像压缩问题，然后对算法的效果进行评估。最后，我们把聚类和分类算法组合起来，解决一个半监督学习问题。 在第一章，机
图像梯度增强_使用梯度增强机在R中进行分类
weixin_26752765的博客
09-13 581
图像梯度增强 背景 (Background) Purpose of analysis: 分析目的: Understand the factors driving student success so that Open University can allocate resources to improve student success 了解推动学生成功的因素，以便开放大学可以分配资源来提高学...
variables-bin有关
ichglauben的博客
09-06 199
root@itpux 14:40: [(none)]&gt; show variables like ‘%bin%’; Variable_name Value bind_address 192.168.1.117 binlog_cache_size 32768 binlog_checksum CRC32 binlog_direct_n...
mysql系统变量详解
小豪之家
11-09 3450
mysqld服务器维护两种变量。全局变量影响服务器的全局操作。会话变量影响具体客户端连接相关操作。 服务器启动时，将所有全局变量初始化为默认值。可以在选项文件或命令行中指定的选项来更改这些默认值。服务器启动后，通过连接服务器并执行SET GLOBAL var_name语句可以更改动态全局变量。要想更改全局变量，必须具有SUPER权限。 服务器还为每个客户端连接维护会话变量。连接时使用相
计算脑电信号柯尔莫哥洛夫熵的python代码
最新发布
04-23
以下是一个python代码示例，用于计算脑电信号的柯尔莫哥洛夫熵： ``` import numpy as np from scipy.signal import welch def spectral_entropy(signal, sf, method='fft', nperseg=None, normalize=False): """Spectral Entropy. Parameters: ----------- signal: list or np.array One-dimensional time series of measurement values sf: float Sampling frequency method: str Spectral estimation method :: 'fft' : Fourier Transform (via scipy.signal.welch) 'welch': Welch periodogram (via scipy.signal.welch) nperseg: str or int Length of each Welch segment for FFT method. If None, uses scipy default of 256 samples. normalize: bool If True, divides by log2 of frequency bin count (some methods use raw spectral entropy, not normalized) Returns: -------- se: float Spectral Entropy Notes: ------ Spectral Entropy is defined to be the Shannon Entropy of the Power Spectral Density (PSD) of the data after normalization of the PSD to have unit area. This implementation first estimates the PSD using welch or FFT, optionally normalizes the PSD, and then applies the Shannon Entropy function. To reduce memory requirements, the Welch method can be used to divide the signal into segments. This implementation is based on the spectral_entropy function from the Entropy package authored by Raphael Vallat. (https://raphaelvallat.com/entropy/build/html/index.html) """ # Compute and normalize power spectrum if method == 'fft': freqs, psd = welch(signal, sf, nperseg=nperseg) elif method == 'welch': freqs, psd = welch(signal, sf, nperseg=nperseg) else: raise ValueError('Method must be "fft" or "welch"') psd_norm = np.divide(psd, psd.sum()) # Compute Shannon entropy se = -np.multiply(psd_norm, np.log2(psd_norm)).sum() # Normalize according to the spectral resolution if normalize: se /= np.log2(len(freqs)) return se ``` 请注意，该代码的详细说明包括输入和输出的每个参数。此外，它使用scipy库中的welch函数来计算功率谱密度。该代码也可以使用其他信号源作为输入，而不仅仅是脑电信号。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值