Discussion :

[Aelurus_]

Bonjour à tous,

Je n'arrive pas à obtenir le lissage attendu sur une courbe :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
import numpy as np
import matplotlib.pyplot as plt
from scipy.interpolate import make_interp_spline, CubicSpline, UnivariateSpline
 
x = (0,3,5,10,30,60,90,120,150,180)
y = (20,890,1140,1200,1300,1350,1300,1200,1200,1200)
 
x_new = np.linspace(min(x), max(x),130)
 
f =  make_interp_spline(x, y)
f1 = CubicSpline(x, y)
f2 =  UnivariateSpline(x, y)
#f2.set_smoothing_factor(0.9)
 
y_smooth=f(x_new)
y1_smooth=f1(x_new)
y2_smooth=f2(x_new)
 
plt.plot(x, y, '--o', label = 'standard')
plt.plot(x_new, y_smooth, '-', label ='spline')
plt.plot(x_new, y1_smooth, '-', label ='spline1')
plt.plot(x_new, y2_smooth, '-', label ='spline2')
plt.legend( loc='best')
plt.show()

Quelles que soient les méthodes employées j'ai un espèce virgule non souhaitée... Avez une idée une solution, je vois pas ou ce que je zappe.


Merci

[Sve@r]

Bonjour

je vois pas ou ce que je zappe.

Peut-être que ce qui s'affiche c'est le vrai résultat d'un lissage mathématique
J'ai essayé ton code mais avec des données réduites...

Code python :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
x = (0,3,5,10,30)
y = (20,890,1140,1200,1300)

... et au résultat, j'ai une cuvette là où la courbe originelle est droite.

Ensuite, je décide de tracer une vraie fonction affine (y=2x)

Code python :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
x=tuple(range(20))
y=tuple(z*2 for z in x)

Là, le lissage correspond exactement à la droite.

Ensuite je décide d'introduire des variations en plus ou en moins sur chaque y...

Code python :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
import random
x=tuple(range(20))
y=tuple(z*2+random.uniform(-2, 2) for z in x)

... la courbe intègre donc ces variations mais le lissage, lui, reste parfait.

Et enfin je décide que les variations seront proportionnelles au point... y=tuple(z*2+random.uniform(-z, z) for z in x) mais là encore le lissage est exact.

Donc peut-être qu'il n'y a pas de problème sur le lissage mais seulement sur le nb de points utilisés pour l'échantillonnage...

[Aelurus]

Donc peut-être qu'il n'y a pas de problème sur le lissage mais seulement sur le nb de points utilisés pour l'échantillonnage...

oui ˆˆ je me suis posé la question, j'ai aussi tenté sous ecxel et avec les mêmes entrées j'obtiens pourtant bien le résultat souhaité... Je ne sais pas du tout comment Ecxel s'y prend.
Donc c'est juste le traitement à identifier. Je ne sais pas comment ecxel s'y prend pour faire le lissage mais je n'ai pas de virgule en debut ni de vague en fin de tracer.
Des que j'ai identifier le traitement ou le nom du traitement je reviens.

Merci

[Julien N]

Salut,

ça m'intéresse également. Cette "virgule" est typique de l'utilisation d'un polynôme de degré trop élevé pour les données disponibles (par exemple avoir 3 points et fitter un polynôme de degré 3). On peut voir cet effet en faisant varier le degré de la spline :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
x = (0,3,5,10,30,60,90,120,150,180)
y = (20,890,1140,1200,1300,1350,1300,1200,1200,1200)
 
x_new = np.linspace(min(x), max(x), 130)
 
plt.plot(x, y, '--o', label='standard')
 
for order in (1, 2, 3, 5, 7, 9):
    f = make_interp_spline(x, y, k=order)
    y_smooth = f(x_new)
    plt.plot(x_new, y_smooth, '-', label='k=%i' % order)
 
plt.legend(loc='best')
plt.grid()
plt.show()

Par curiosité j'ai essayé de rajouter des points par interpolation linéaire avant de fitter la spline. Sans effet. Ou alors il faudrait rafiner seulement à certains endroits.

J

[Aelurus_]

Salut la team,

j'ai trouvé une solution avec GEKKO et les splines, le rendu me va

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
import matplotlib.pyplot as plt
import numpy as np
from gekko import GEKKO
 
x = ([0,3,5,10,30,60,90,120,145,180,240])
y = ([20,890,1140,1200,1300,1350,1300,1200,1200,1200,1200])
 
m= GEKKO()
m.x = m.Param(value = np.linspace(0,240))
m.y = m.Var()
m.cspline(m.x,m.y,x,y)
m.options.IMODE = 2
m.solve(disp = False)
 
plt.plot(x, y, 'bo', label='RWS')
plt.plot(m.x, m.y, 'r--', label='cubic spline')
plt.legend(loc = 'best')
plt.xlabel('Durée [min]')
plt.ylabel('Température [°C]')
 
plt.show()

Le resultat est pas mal.