跳到主要内容

案例库推理案例

该模板对实时工况进行判断，并匹配期望工况的最近案例并输出

  1. 在算盘内搭建模板如图所示：

image.png

  1. 拖入数据处理组件，内部搭建如图所示：

image.png in1输入为历史数据集，用于训练
in2为模拟的实时数据
in3为输入的优化目标

  1. 历史数据集通过python脚本编辑器预处理，作为训练数据集存入全局变量

image.png 代码如下：

def run(in1 = None):
    the1,the2=[0.25,0.5,0.75],[0.25,0.5,0.75]
    indicators=['y1','y2']
    max_len=1000
    data_dict={}
    d1=[-float('inf')]+the1+[float('inf')]
    d2=[-float('inf')]+the2+[float('inf')]
    data = in1
    for i in range(len(the1)+1):
        for j in range(len(the2)+1):
            data_dict[(i,j)]=data[(data[indicators[0]]>d1[i]) & (data[indicators[0]]<d1[i+1]) & (data[indicators[1]]>d2[i]) & (data[indicators[1]]<d2[i+1])].iloc[-max_len:,:]
    return  data_dict
  1. in2输入，python脚本编辑器进行判断工况类别：

image.png 代码如下：

#判断当前工况类别
def run(in1 = None):
    indicators=['y1','y2']
    the1,the2=[0.25,0.5,0.75],[0.25,0.5,0.75]
    test=in1
    c0,c1=0,0
    for i in the1:
        if test[indicators[0]].values[0] > i:
            c0+=1
        else:
            break
    for i in the1:
        if test[indicators[1]].values[0]>i:
            c1+=1
        else:
            break
    return [c0,c1]
  1. 判断是否更新数据

image.png 代码如下：

#判断是否更新数据
def run(in1 = None,in2 = None,in3 = None):
    import pandas as pd
    from scipy.spatial.distance import cdist
    data_dict = in1
    test = in3
    threshold = 0.001
    max_len = 1000
    c0,c1 = in2[0],in2[1]
    candidates=data_dict[(c0,c1)]
    score=cdist(test.values,candidates.values).min()
    if score> threshold:
        data_dict[(c0,c1)]=pd.concat((data_dict[(c0,c1)],test)).iloc[-max_len:,:]
    return data_dict

更新后的数据也会作为历史数据存入全局变量中。

  1. 判断工况类别：

image.png 代码如下：

#判断目标工况类别
def run(in1 = None,in2 = None):
    indicators=['y1','y2']
    the1,the2=[0.25,0.5,0.75],[0.25,0.5,0.75]
    c0,c1 = in1[0],in1[1]
    indicator= in2['indicator']
    objective = in2['objective']
    
    if indicator==indicators[0] and objective == 1:
        t_c0,t_c1=min(len(the1),c0+1),c1
    elif indicator==indicators[0] and objective != 1:
        t_c0,t_c1=max(len(the1),c0-1),c1
    elif indicator==indicators[1] and objective == 1:
        t_c0,t_c1=c0,min(len(the2),c1+1)
    elif indicator==indicators[1] and objective != 1:
        t_c0,t_c1=c0,max(len(the2),c1-1)
    return [t_c0,t_c1]
  1. 返回推荐结果：

image.png 代码如下：

#返回推荐结果
def run(in1 = None,in2 = None,in3 = None):
    import pandas as pd
    from scipy.spatial.distance import cdist
    data_dict = in1
    test = in2
    candidates=data_dict[(in3[0],in3[1])]
    row=cdist(test.values,candidates.values).argsort()[0][0]
    item=candidates.iloc[[row],:]
    return item
  1. 打开前面板，点击案例库生成上传历史数据，而后点击案例库推理，查看结果如图

image.png