关于 Python 中实时数据的数值积分(梯形)的问题-
背景:实时测量一个平均速度为 100 米/分钟的移动物体,我每 100 毫秒采样一次,持续 60 秒 - 因此在一分钟结束时,我将获得 600 个样本.我的测量方法不准确,每次测量有 10 米的差异。一分钟间隔后的典型图表是:
问题:我大致知道物体在一分钟内移动了 100 米,但是当在此期间积分时(现在只使用梯形)我得到的答案比预期多 60 倍,我做错了什么?我怀疑是“宽度”或 deltaT = 100ms 不正确(?)
我的 python 代码如下 - 这是惯用的,即不是 pythonic,是有原因的;模拟实时测量:
# Trapezoidal rule integral
testData = [] # store all vel. measurements
width = 100e-3 # sample every 100ms
total = 0
currVel = 0
prevVel = 0
t = 0
while( t < 60 ):
# take a live sample and save it
currVel = np.random.normal(100,10,1)
testData.append( currVel )
# only complete the integral after the second sample
if( t >= 100e-3 ):
total += width*(currVel+prevVel)/2
# update previous flow and increment
prevVel = currVel
t += 100e-3
#total /= 60 # fudge factor, why this factor out?
print "Total distance covered over 1 minute", total
请您参考如下方法:
积分可以被认为是面积计算。你基本上有:
(100 m/min) * (60 s)
您得到的答案是 6000,因为该程序没有单位表示。 (答案是每分钟 6000 米秒。)如果您以这种方式编写计算,错误可能会更明显:
(100 m / 60 s) * (60 s)
现在秒数将正确抵消。有关 Python unit libraries 的讨论,请参阅此线程.
