Glidande Medelvärde Effektiv Algoritm

Jag måste hålla reda på de senaste 7 dagarna arbetstimmar i en platt filavläsningsledning. Det används för att mäta utmattningsbarhet hos arbetsroster. Rätt nu har jag något som fungerar, men det verkar ganska ordentligt och jag är inte säker på om det är sa mönster som är mer kortfattat. För närvarande har jag en Java-klass med en statisk matris för att hålla de senaste x-dagarna data, då jag läser igenom filen, hugger jag av det första elementet och flyttar de andra 6 i en vecka rullande totalt tillbaka av en Bearbetningen av denna statiska matris görs i sin egen metod, dvs. My fråga är detta ett rimligt design-tillvägagångssätt, eller är det något som är blindingly uppenbart och enkelt att göra den här uppgiften Tack guys guys. asked aug 30 11 på 14 33. Tack mycket killar jag har fått meddelandet använda ett högre objekt och utnyttja relevanta metoder eller en cirkulär buffert. Bra svar, alla av dem När du funderar på det behöver du alltid tillgång till hela arrayen så att du kan bli av med den första inmatningen - som jag själv inte var säker på, är jag ledsen att jag hade inte missat något liner och var i grund och botten på en rimlig, om inte effektiv och tät spår. Det här är vad jag älskar om den här sidan av högkvalitativa, relevanta svar från personer som känner deras sh t. Pete855217 Aug 30 11 på 15 05. Varför gör Du initierar runningTotal till null Vad är dess typ Var det deklareras Det skulle vara bra om du sätter några kodprover som liknar den faktiska Java-koden. Att tänka på, min kritik skulle vara följande, din funktion gör för mycket En funktion eller metod bör Vara sammanhängande Mer lämpligt bör de göra en sak och en sak only. Worse fortfarande, vad händer i din för loop när x 5 Du kopierar runTotal 6 till runTotal 5 men då har du två kopior av samma värde i position 5 och 6. I din design blandar din funktion. moves objekten i din array. calculates total. prints saker till standard error. returns total. It gör för mycket. My första förslag är inte att flytta saker runt i matrisen istället genomföra en Cirkulär buffert och använd den istället för Arrayen Det kommer att förenkla din design Mitt andra förslag är att bryta ner saker i funktioner som är sammanhängande. Har en datastruktur en cirkulär buffert som låter dig lägga till den och som släpper den äldsta posten när den når sin kapacitet. Har data Struktur implementera en interator. have en funktion som beräknar summan på iteratorn du bryr dig om du beräknar summan av en array, lista eller cirkulär bufer. don t kalla det totalt Ring det summa, vilket är vad du beräknar . Det är vad jag gör. Det är bra info luis, men kom ihåg att den här funktionen är en liten del av klassens funktionalitet, och det skulle vara overkill att lägga till för mycket kod för att göra den perfekt. Du är tekniskt korrekt, och jag förstår min kod gör för mycket men samtidigt är det bättre att fel på sidan av mindre, tydligare kod än att gå till perfektion Med tanke på mina Java-färdigheter, skulle jag kunna blåsa min budget på det här, även om den pseudokod du beskriver beskriver Men tack för foten Den tydliga beskrivningen Pete855217 31 aug 11 på 2 23.Hmmm, det handlar inte om perfektion, men om etablerade industripraktik som vi har känt de senaste 3 decennierna. Ren kod är alltid en som är partitionerad. Vi har årtionden av bevis som indikerar detta Är vägen att gå i det allmänna fallet när det gäller kostnadseffektivitet, defektminskning, förståelse etc., såvida det inte är kasta bort koden för en engångsartad sak. Det är aldrig dyrt att göra detta när man startar någon problemanalys På detta sätt kodning 101 bryter ner problemet och koden följer, varken overkill eller svårt 31 aug 11 på 15 55. Din uppgift är för enkel och det som du har antagit är säkert bra för jobbet. Men om du vill använda En bättre design, du måste bli av med all den nummerrörelsen du bättre använder en FIFO-kö och utnyttja push - och popmetoder så att koden inte speglar någon datarörelse, bara de två logiska åtgärderna för nya data och ta bort data äldre Än 7 days. answered Aug 30 1 1 vid 14 49. För närvarande utvecklar jag ett grafiskt LCD-system för att visa temperaturer, flöden, spänningar, kraft och energi i ett värmepumpsystem. Användningen av en grafisk LCD-skärm innebär att hälften av min SRAM och.75 av min blixt har använts upp med en skärmbuffert och strängar. Jag visar för tillfället min max-medelvärden för energi Vid midnatt när den dagliga siffran återställs kontrollerar systemet om förbrukningen för dagen är över eller under föregående minimum eller maximalt och lagrar värdet The Genomsnittet beräknas genom att dividera den kumulativa energiförbrukningen med antalet dagar. Jag skulle vilja visa det dagliga genomsnittet under den senaste veckan och månaden 4 veckor för enkelhet, dvs rullande medelvärde. För närvarande innebär det att man behåller en mängd värden under de senaste 28 dagarna och beräknar ett medelvärde över hela uppsättningen för månadsvisa och sista 7 dagar för varje vecka. Initialt gjorde jag det här med en uppsättning floats eftersom energin är i form 12 12 kWh men det användes 28 4 byte 112 byte 5 4 av SRAM Jag tänker inte ha en enda decimalpunkt, så jag ändrade till att använda uint16t och multiplicera siffran med 100. Det betyder att 12 12 representeras som 1212, och jag delar upp med 100 för visning. Storleken på matrisen är nu ner till 56 byte mycket bättre. Det finns inget triviellt sätt att minska figuren ner till en uint8t som jag kan se jag kunde tolerera förlusten av en decimal 12 1kWh istället för 12 12kWh men konsumtionen är ofta högre än 25 5kWh 255 Är det högsta värdet representerat av ett 8-bitars unsigned integer Förbrukningen har aldrig varit under 10 0kWh eller över 35 0kWh, så tänkligen kunde jag subtrahera 10 från de lagrade figurerna, men jag vet att vi en dag kommer att överskrida dessa gränser. Jag testade sedan kod för att förpacka 9-bitars värden i en array Detta ger ett intervall på 0-51 2kWh och använder totalt 32 byte. Det är dock ganska långsamt att komma åt en array så här, särskilt när du måste iterera över alla värden för att beräkna ett medelvärde. Så min fråga är - finns det en mer effektivitet T sätt att beräkna ett glidande medelvärde med tre fönster - livslängd, 28 dagar och 7 dagar Effektivitet betyder mindre med avseende på SRAM-användning men utan straff med stor kod Kan jag undvika att lagra alla värden. asked mar 7 14 på 8 32.I Jag har tänkt på och du har rätt Så det gör tekniskt mitt svar felaktigt Jag investerar lite mer tid och tålamod i det. Kanske något ur lådan ska jag låta dig veta om jag kommer upp med någonting Vi gör något så mycket på min arbetsplats Låt mig fråga dig Tyvärr om förvirringen Aditya Somani Mar 8 14 på 17 15. finns det ett effektivare sätt att beräkna ett glidande medelvärde med 28 dagar och 7 dagar som behöver komma ihåg 27 dagars historia. Du kan få tillräckligt nära lagring 11 Värden i stället för 28 värden, kanske något liknande. Med andra ord, istället för att lagra varje detalj varje dag under de senaste 27 dagarna, en butik 7 eller så värden av detaljerad daglig information under de senaste 7 eller så dagarna, och även b butik 4 eller så sammanfattade värden av totalt eller ave raseriinformation för var och en av de senaste 4 eller så veckorna. FFT Moving Average FFT-MA Generator En effektiv numerisk metod för att generera och konditionera Gaussian Simulations. Cite denna artikel som Ravalec, ML Noetinger, B New York, Wiley Sons, 230 sid. Journel, AG 1974, Geostatistics for conditional simulation of malm bodies Econ Geology, v 69, p 673 687 Google Scholar. Journel, AG och Huijbregts, CJ 1978, Mining geostatistics Academic, San Diego, CA. Lantujoul, C 1994, icke villkorlig simulering Av stationära isotropa multiGaussian slumpmässiga funktioner, i M Armstrong, M och Dowd, PA eds Geostatistiska simuleringar Kluwer Academic Publishers, Dordrecht, Nederländerna, s 147 177 Google Scholar. Le Ravalec, M Hu, LY och Noetinger, B 1999, Stokastisk reservoarmodellering Begränsad till dynamisk data Lokal kalibrering och inferens av strukturparametrarna SPE Årlig teknisk konferens och utställning, Houston, TX, SPE 56556.Mantoglou, 1987, digital simulering av multivariate två och tre E-dimensionala stokastiska processer med ett spektralt vridbandsmetod Math Geology, v 19, nr 2, s 129 149 Google Scholar. Mantoglou, A och Wilson, J 1982, Vändbandsmetoden för simulering av slumpmässiga fält med användning av linjegenerering med spektral Metod Vattenresurser Res v 18, s. 1379 1394 Google Scholar. Matheron, G 1973, De inneboende slumpmässiga funktionerna och deras tillämpningar Adv Appl Prob v 5, s 439 468 Google Scholar. Oliver, DS 1995, Flytta genomsnittsvärden för gaussimulering i två och tre dimensioner Math Geology v 27, nr 8, p 939 960 Google Scholar. Oliver, DS Cunha, LB och Reynolds, AC 1997, A Markov-kedjan Monte Carlo metod för villkorlig simulering Math Geology, v 29, nr 1, sid 61 91 Google Scholar. Ouenes, 1992, Tillämpning av simulerad glödgning till reservoarkarakterisering och petrofysiskt inversystem Ej publicerad doktorsavhandling, New Mexico Technical, Socorro, NM, 205 p Google Scholar. Pardo-Iguzquiza, E och Chica-Olmo, M 1993, The Fourier Integrerad metod En effektivitet Nt spektral metod för simulering av slumpmässiga fält Math Geology, v 25, nr 2, p 177 217 Google Scholar. Prez, G Stokastisk villkorlig simulering för beskrivning av reservoaregenskaper Ej publicerad doktorsavhandling, University of Tulsa, Tulsa, OK, 245 p. Priestley , MB 1981, Spektralanalys och tidsserier Academic Press, London, GB Google Scholar. RamaRao, BS La Venue, AM de Marsilly, G och Marietta, MG 1995, Pilotpunktmetodik för automatisk kalibrering av ett ensemble villkorligt simulerat transmissionsfält 1 Teori och beräkningsexperiment Vattenresurser Res v 31, nr 3, s 475 493 Google Scholar. Roggero, F och Hu, L 1998, Gradual deformation av kontinuerliga geostatistiska modeller för historia som matchar SPE: s årliga tekniska konferens och utställning, New Orleans, LA, SPE 49004.Shinozuka, M och Jan, CM 1972, Digital simulering av slumpmässiga processer och dess tillämpningar Jour Sounds Vib 25, nr 1, sid 111 128 Google Scholar. Yao, T 1998, Conditional spectral simulering med fasidentifikation Math Geology, v 30, nr 3, s 285 308 Google Scholar. Copyright information. International Association for Mathematical Geology 2000.Authors and Affiliations. Mickale Le Ravalec. Benot Noetinger.1 Institut Franais du Ptrole Pau Cedex 9 France.2 Institut Franais du Ptrole Pau Cedex 9 Frankrike. Om denna artikel.