Fast Bevegelig Gjennomsnitt Algoritme I C

Jeg vet at dette er mulig med boost som per. Men jeg virkelig vil unngå å bruke boost jeg har googled og ikke funnet noen egnede eller lesbare eksempler. Basalt vil jeg spore det bevegelige gjennomsnittet av en pågående strøm av en strøm av flytende punktnumre bruker de nyeste 1000 tallene som en dataprøve. Hva er den enkleste måten å oppnå dette på. Jeg eksperimenterte med å bruke et sirkulært array, eksponentielt glidende gjennomsnitt og et enklere glidende gjennomsnitt og fant ut at resultatene fra den sirkulære gruppen som passer meg, trenger best. asked 12. juni 12 på 4 38. Hvis dine behov er enkle, kan du bare prøve å bruke et eksponentielt bevegelige gjennomsnitt. Du gjør bare en akkumulatorvariabel, og når koden ser på hver prøve, oppdaterer koden akkumulatoren med ny verdi Du velger en konstant alfa som er mellom 0 og 1, og beregner dette. Du trenger bare å finne en verdi av alfa hvor effekten av en gitt prøve bare varer i ca 1000 prøver. Hmm, jeg er ikke sikker på at dette er egnet for deg, nå t hatten jeg har satt den her Problemet er at 1000 er et ganske langt vindu for et eksponentielt glidende gjennomsnitt. Jeg er ikke sikker på at det er en alfa som vil spre gjennomsnittet over de siste 1000 tallene, uten understrøm i flytpunktsberegningen. Men hvis du ønsket et mindre gjennomsnitt, som 30 tall eller så, dette er en veldig enkel og rask måte å gjøre det på. Ansatte Jun 12 12 på 4 44. 1 på ditt innlegg Det eksponentielle glidende gjennomsnittet kan tillate at alfaet er variabelt Så dette tillater det brukes til å beregne tidsbasert gjennomsnitt, f. eks. bytes per sekund Hvis tiden siden den siste akkumulatoroppdateringen er mer enn 1 sekund, lar du alpha være 1 0 Ellers kan du la alfa være usecs siden sist oppdatert 1000000 jxh Jun 12 12 ved 6 21.Basisk vil jeg spore det bevegelige gjennomsnittet av en pågående strøm av en strøm av flytende punktnumre ved å bruke de nyeste 1000 tallene som en dataprøve. Merk at under oppdateringer summen som elementene som lagt til erstattet, slik at kostbare ON-traverser ikke kan beregnes summen som trengs for th e gjennomsnittlig - på forespørsel. Totalt er det laget en annen parameter fra T for å støtte f. eks. ved å bruke lang lang når det er totalt 1000 lange s, en int for char s eller en dobbel til total float s. Dette er litt feil i at numsamples kunne gå forbi INTMAX - hvis du bryr deg om at du kan bruke en usignert lang lang eller bruke et ekstra bool data medlem til å registrere når beholderen er først fylt mens sykkel numempler rundt arrayet best deretter omdøpt noe uskyldig som pos. answered 12 juni 12 på 5 19.En antar at tomromoperatøren T-prøven faktisk er ugyldig operatør T-prøve, uansett 8. juni kl. 14 på 11 52. oPless ahhh godt oppdaget egentlig, jeg mente det skulle være tomt operatør T-prøve, men selvfølgelig kunne du bruke hvilken som helst notasjon du likte Vil rette, takk Tony D Jun 8 14 på 14 27. Samtidig utvikler jeg et grafisk LCD-system for å vise temperaturer, strømmer, spenninger, kraft og energi i et varmepumpsystem. Bruken av en grafisk LCD betyr at halvparten av min SRAM og .75 av min blits har blitt brukt opp av en skjermbuffer og strin gs. Jeg viser for øyeblikket min maks gjennomsnitt for energi Ved midnatt når det daglige bildet tilbakestilles, kontrollerer systemet om forbruket for dagen er over eller under forrige minimum eller maksimum, og lagrer verdien. Gjennomsnittet beregnes ved å dele kumulativt energiforbruk etter antall dager. Jeg vil gjerne vise det daglige gjennomsnittet i løpet av den siste uken og måneden 4 uker for enkelhet, dvs rullende gjennomsnitt. For øyeblikket innebærer dette å opprettholde en rekke verdier for de siste 28 dagene og beregne et gjennomsnitt over hele array for månedlig og siste 7 dager for ukentlig. I utgangspunktet gjorde jeg dette ved hjelp av en rekke flyter som energien er i form 12 12kWh, men dette brukte 28 4 byte 112 byte 5 4 av SRAM Jeg har ikke tenkt å ha bare en enkelt desimalpunkt, så jeg endret til å bruke uint16t og multiplisere tallet med 100 Dette betyr at 12 12 er representert som 1212, og jeg deler med 100 for visning. Størrelsen på arrayet er nå ned til 56 av tes mye bedre. Det er ingen trivial måte å redusere figuren ned til en uint8t som jeg kan se jeg kunne tolerere tapet av en desimal 12 1kWh i stedet for 12 12kWh, men forbruket er ofte høyere enn 25 5kWh 255 er den høyeste verdien representert av et 8-bit usignert heltall Forbruket har aldri vært under 10 0kWh eller over 35 0kWh, så tenkelig at jeg kunne trekke 10 fra de lagrede figurene, men jeg vet at en dag vil vi overskride disse grensene. Jeg testet koden for å pakke 9 - bit-verdier i en matrise Dette gir et område på 0-51 2kWh og bruker totalt 32 byte. Det er ganske sakte å få tilgang til en tabell som dette, særlig når du må iterere over alle verdier for å beregne et gjennomsnitt. Så spørsmålet mitt er - Er det en mer effektiv måte å beregne et glidende gjennomsnitt på med tre vinduer - levetid, 28 dager og 7 dager Effektivitet betyr mindre når det gjelder SRAM-bruk, men uten straffe for stor kode. Kan jeg unngå å lagre alle verdier. Skrevet Mar 7 14 på 8 32. Jeg har tenkt og du en Jeg har rett til å gjøre svaret mitt feilaktig Jeg investerer litt mer tid og tålmodighet i det Kanskje noe ut av esken, jeg vil gi deg beskjed hvis jeg kommer opp med noe Vi gjør noe slikt mye på arbeidsplassen min La meg spørre rundt Beklager om forvirringen Aditya Somani Mar 8 14 på 17 15. er det en mer effektiv måte å beregne et glidende gjennomsnitt på med 28 dager og 7 dager som trenger å huske 27 dages historie. Du kan få nær nok til å lagre 11 verdier i stedet for 28 verdier , kanskje noe som. Med andre ord, i stedet for å lagre hver eneste detalj i hver dag de siste 27 dagene, en butikk 7 eller så verdier av detaljert daglig informasjon for de siste 7 eller så dagene, og også b lagre 4 eller så oppsummerte verdier av total eller gjennomsnittlig informasjon for hver av de siste 4 eller så ukene. FFT Moving Average FFT-MA Generator En effektiv Numerisk Metode for Generering og Conditioning Gaussian Simulations. Cite denne artikkelen som Ravalec, ML Noetinger, B New York, Wiley Sons, 230 p. Journe L, AG 1974, Geostatistikk for betinget simulering av malmlegemer Econ Geology, v 69, p 673 687 Google Scholar. Journel, AG og Huijbregts, CJ 1978, Mining geostatistics Academic, San Diego, CA. Lantujoul, C 1994, Ubetinget simulering av stasjonære isotrope multiGaussian tilfeldige funksjoner, i M Armstrong, M og Dowd, PA eds Geostatistiske simuleringer Kluwer Academic Publishers, Dordrecht, Nederland, s. 147 177 Google Scholar. Le Ravalec, M Hu, LY og Noetinger, B 1999, Stokastisk reservoar modellering begrenset til dynamiske data Lokal kalibrering og inngripen til de strukturelle parametrene SPE Årlig teknisk konferanse og utstilling, Houston, TX, SPE 56556.Mantoglou, 1987, Digital simulering av multivariate to - og tredimensjonale stokastiske prosesser med en spektral vendebåndsmetode Math Geology, v 19, nr. 2, s. 129 149 Google Scholar. Mantoglou, A og Wilson, J 1982, Vendebåndsmetoden for simulering av tilfeldige felt ved hjelp av linjegenerering ved en spektral metode W Ater Resources Res v 18, s. 1379 1394 Google Scholar. Matheron, G 1973, De iboende tilfeldige funksjoner og deres applikasjoner Adv Appl Prob v 5, p 439 468 Google Scholar. Oliver, DS 1995, Flytte gjennomsnitt for Gauss simulering i to og tre dimensjoner Math Geology v 27, nr. 8, s. 939 960 Google Scholar. Oliver, DS Cunha, LB og Reynolds, AC 1997, A Markov-kjeden Monte Carlo metode for betinget simulering Math Geology, v 29, nr. 1, s. 61 91 Google Scholar. Ouenes, A 1992, Anvendelse av simulert annealing til reservoar karakterisering og petrophysic inverse system Upublisert doktorgradsavhandling, New Mexico Technical, Socorro, NM, 205 p Google Scholar. Pardo-Iguzquiza, E og Chica-Olmo, M 1993, The Fourier integral metode En effektiv spektral metode for simulering av tilfeldige felt Math Geology, v 25, no 2, p 177 217 Google Scholar. Prez, G Stokastisk betinget simulering for beskrivelse av reservoaregenskaper Ikke offentliggjort doktorgradsavhandling, University of Tulsa, Tulsa, OK, 245 p. Priestley, MB 1981, Spektralanalyse og tidsserier Academic Press, London, GB Google Scholar. RamaRao, BS La Venue, AM de Marsilly, G og Marietta, MG 1995, Pilot-punkts metodikk for automatisert kalibrering av et ensemble av betinget simulert transmissivitet felt 1 Teori og beregningseksperimenter Vannressurser Res v 31, nr. 3, s. 475 493 Google Scholar. Roggero, F og Hu, L 1998, gradvis deformasjon av kontinuerlige geostatistiske modeller for historisk samsvar SPE årlig teknisk konferanse og utstilling, New Orleans, LA , SPE 49004.Shinozuka, M og Jan, CM 1972, Digital simulering av tilfeldige prosesser og applikasjoner Jour Sounds Vib 25, no 1, s. 111 128 Google Scholar. Yao, T 1998, Conditional spectral simulering med faseidentifikasjon Math Geology, v 30, nr. 3, s. 285 308 Google Scholar. Opphavsrettinformasjon. International Association for Matematisk Geologi 2000. Authors and Affiliations. Mickale Le Ravalec. Benot Noetinger.1 Institut Franais du Ptrole Pau Cedex 9 Frankrike.2 Institut Franais du Ptrole Pau Cedex 9 Frankrike. Om denne artikkelen.