Mai mult

Parametrii ModelBuilder nu se modifică atunci când rulează în lot?

Parametrii ModelBuilder nu se modifică atunci când rulează în lot?


Am un model simplu care selectează stratul în funcție de atributul clasei de caracteristici cu parametrii pentru anul de început și anul de sfârșit configurat ca dublu și apoi folosesc o expresie în stratul de selectare după atribut ca: datesample_1> =% Start Year% ȘI datesample_1 < =% Anul final%. Apoi folosește caracteristica de copiere pentru a crea o clasă de caracteristici de ieșire. Când rulez modelul individual, funcționează bine, dar când îl rulez ca un lot, chiar dacă îi dau parametri diferiți, atunci când rulează folosește primii parametri pe care i-am introdus de mai multe ori, astfel încât caracteristicile mele de ieșire sunt la fel.


V-ați gândit să vă puneți parametrii într-un tabel sau o listă? Apoi, puteți introduce un iterator în model și itera de-a lungul anilor. În ceea ce privește formatul tabelului, DBF ar funcționa cel mai bine, dar CSV se joacă bine cu Arc și sunt mult mai ușor de editat, deci este o chestiune de preferință.

Într-o notă laterală, parametrii așa cum i-ați descris pot avea instanțe de suprapunere dacă datele nu sunt setate corect. Să presupunem că cele două intervale de date dorite au fost 1991-95 și 1995-2000, intervalele de date ar fi 1990 <= DATE1 <= 1995 și 1995 <= DATE2 <= 2000. Acest lucru ar duce la contorizarea tuturor datelor din 1995 în ambele intervale. Există modalități de a rezolva acest lucru prin setarea corectă a valorilor datei de început (în acest exemplu ar fi setarea datei de începere a intervalului pentru DATE2 până în 1996), dar ar putea fi mult mai ușor să schimbați una dintre <=e la o <.


În ceea ce privește problema dvs. cu execuția în lot a modelului, dacă funcționează prin selectarea dintre straturi, poate fi necesar să adăugați un pas de ștergere a selecției dvs. chiar la sfârșitul modelului dvs., după ce rezultatele din rularea dvs. curentă au fost afișate. Este unul dintre tipurile de selecție din Selectați Strat după atribute instrument. În acest fel, următoarea rulare a instrumentului va începe de la zero, în funcție de nivel.
Actualizați

Citiți pe linkul postat de @PolyGeo și pe linkurile din acel thread. Se pare că atunci când un instrument este executat în modul batch, acesta rulează procesele în paralel, mai degrabă decât secvențial. Pentru executarea secvențială, fie doriți un iterator ModelBuilder, fie un script python.


AWS lansează analize de date ale contoarelor inteligente

Utilitățile au implementat MDMS (Meter Data Management Systems) de la sfârșitul anilor ’90, iar implementările MDMS s-au accelerat alături de implementarea infrastructurii de contorizare inteligentă și a infrastructurii de contorizare avansată (AMI) la utilitățile din întreaga lume. MDMS colectează date privind consumul de energie de pe dispozitivele de contor inteligent și le trimit către sistemele de informații pentru clienți (CIS) pentru facturare și procesare ulterioară. Cel mai obișnuit caz de utilizare MDMS pentru utilități este performanța funcțiilor de bază de validare, verificare și editare a datelor (VEE) și crearea de factori determinanți din cantități mari de date ale contorului. Cu toate acestea, petabytes de date valoroase privind consumul de energie rămân prinse în MDMS utilitar vechi.

Utilitățile care se confruntă cu nevoia de tranziție determinată de decarbonizare și descentralizare pot beneficia de deblocarea puterii de măsurare a datelor și îmbogățirea acestora cu alte surse de informații, cum ar fi sistemele de informații geografice (GIS), CSI și date meteorologice. Aceasta oferă informații convingătoare pentru diferite cazuri de utilizare, cum ar fi prognozarea utilizării energiei, detectarea anomaliilor sistemului și analiza întreruperilor de serviciu momentane. În mod colectiv, aceste cazuri de utilizare prezintă utilități cu oportunități de a îmbunătăți satisfacția clienților, sporind în același timp eficiența operațională.

Un AWS Quick Start, care implementează o platformă Smart Meter Data Analytics (MDA) pe AWS Cloud, ajută utilitățile să atingă valoarea nerealizată a datelor privind consumul de energie în timp ce elimină ridicarea nediferențiată a utilităților. Acest lucru permite utilităților să ofere servicii noi, cum ar fi:

  • Predicția încărcării la nivelul gospodăriei, al circuitului și al sistemului de distribuție
  • Implicare mai profundă a clienților prin notificări proactive privind consumul ridicat sau starea de întrerupere a alimentării
  • Întreținere predictivă a activelor de distribuție, analize privind calitatea circuitelor și multe altele

Acest blog trece în revistă arhitectura AWS MDA Quick Start și designul său menit să ofere utilităților o platformă de date eficientă din punct de vedere al costurilor pentru a lucra cu petabytes de date privind consumul de energie.

Ce include MDA Quick Start?

AWS MDA folosește un lac de date și capacități de învățare automată pentru a stoca citirile primite ale contorului, a le analiza și a oferi informații valoroase. Startul rapid vine cu trei algoritmi încorporați pentru:

  • Preziceți consumul viitor de energie pe baza citirilor istorice
  • Detectați consumul neobișnuit de energie
  • Furnizați detalii despre întreruperile contorului

Platforma MDA este capabilă să proceseze până la 250 TB de contoare citite în fiecare zi în loturi. De asemenea, gestionează datele sosite târziu și pregătește datele pentru diferite puncte finale de consum, cum ar fi un depozit de date (Amazon Redshift), o conductă de învățare automată (Amazon SageMaker) sau API-uri pentru a face datele consumabile pentru aplicații terțe.


Sintaxă

Este posibil ca o vizualizare INFORMATION_SCHEMA să fie calificată cu un set de date sau o regiune.

Calificarea setului de date

Când este prezent, un calificator de set de date restricționează rezultatele la setul de date specificat. De exemplu:

Următoarele vizualizări INFORMATION_SCHEMA acceptă calificările setului de date:

  • COLOANE
  • COLUMN_FIELD_PATHS
  • PARAMETRI
  • RUTINE
  • ROUTINE_OPTIONS
  • MESE
  • TABLE_OPTIONS
  • VEDERE

Calificarea regiunii

Calificatorii de regiune sunt reprezentați folosind o sintaxă regiune-REGION. Orice nume de regiune a setului de date poate fi utilizat pentru REGION. De exemplu, acestea sunt toate calificările valabile pentru regiune:

Când este prezent, un calificator de regiune limitează rezultatele la regiunea specificată. De exemplu:

Următoarele vizualizări INFORMATION_SCHEMA acceptă calificările regiunii:

  • Toate vizualizările care acceptă calificările seturilor de date
  • ASSIGNMENT_CHANGES_BY_PROJECT
  • ASSIGNMENTS_BY_PROJECT
  • CAPACITY_COMMITMENT_CHANGES_BY_PROJECT
  • CAPACITY_COMMITMENTS_BY_PROJECT
  • JOBS_BY_ORGANIZATION
  • JOBS_BY_FOLDER
  • JOBS_BY_PROJECT
  • JOBS_BY_USER
  • JOBS_TIMELINE_BY_ORGANIZATION
  • JOBS_TIMELINE_BY_FOLDER
  • JOBS_TIMELINE_BY_PROJECT
  • JOBS_TIMELINE_BY_USER
  • OBJECT_PRIVILEGII
  • RESERVATION_CHANGES_BY_PROJECT
  • REZERVĂRI_PROIECT
  • STREAMING_TIMELINE_BY_ORGANIZATION
  • STREAMING_TIMELINE_BY_FOLDER
  • STREAMING_TIMELINE_BY_PROJECT
  • SCHEMATE
  • SCHEMATA_OPTIONS

Calificativ de proiect

Când este prezent, un calificator de proiect limitează rezultatele la proiectul specificat. De exemplu:

Următoarele vizualizări INFORMATION_SCHEMA acceptă calificările ID-ului proiectului:


SELDM: Modelul de încărcare și diluare empirică stocastică - pagina Software

Granato, G.E., 2013, Stochastic empirical model and dilution model (SELDM) version 1.0.0: U.S. Geological Survey Techniques and Methods, carte 4, cap. C3, 112 p., Pe CD-ROM. CD-ROM complet și Raport on-line

Granato, G.E., 2021, Stochastic Empirical Loading and Dilution Model (SELDM) software archive: U.S. Geological Survey software release, https://doi.org/10.5066/P9PYG7T5

Consultați pagina web a proiectului SELDM aici

Modelul de încărcare și diluare empirică stocastică (SELDM) este conceput pentru a transforma date științifice complexe în informații semnificative despre riscul efectelor adverse ale scurgerii asupra apelor de primire, necesitatea potențială a măsurilor de atenuare și eficacitatea potențială a acestor măsuri de gestionare pentru reducerea acestora. riscuri. Studiul Geologic SUA a dezvoltat SELDM în cooperare cu Administrația Federală a Autostrăzilor pentru a contribui la dezvoltarea estimărilor la nivel de planificare a concentrațiilor medii ale evenimentelor, debitelor și încărcăturilor în apele pluviale dintr-un sit de interes și dintr-un bazin din amonte. Estimările la nivel de planificare sunt definite ca rezultatele analizelor utilizate pentru evaluarea măsurilor de management alternative Estimările la nivel de planificare sunt recunoscute pentru a include incertitudini substanțiale (de obicei ordine de mărime). SELDM folosește informații despre un sit de autostradă, bazinul de apă de primire asociat, evenimentele de precipitații, fluxul de furtuni, calitatea apei și efectuarea măsurilor de atenuare pentru a produce o populație stocastică de variabile de calitate a scurgerii. SELDM furnizează statistici de intrare pentru precipitații, debitul de pretorm, coeficienții de scurgere și concentrațiile componentelor selectate de calitate a apei din seturile de date naționale. Statisticile de intrare pot fi selectate pe baza latitudinii, longitudinii și caracteristicilor fizice ale sitului de interes și ale bazinului din amonte. De asemenea, utilizatorul poate obține și introduce statistici pentru fiecare variabilă care este specifică unui anumit site de interes sau unei anumite zone.

SELDM este un model stocastic, deoarece folosește metode Monte Carlo pentru a produce combinații aleatorii de valori ale variabilei de intrare necesare pentru a genera populația stocastică de valori pentru fiecare variabilă componentă. SELDM calculează diluarea scurgerii în apele de recepție și concentrațiile medii ale evenimentului din aval rezultate și concentrațiile medii anuale ale lacurilor. Rezultatele sunt clasificate și se calculează pozițiile de reprezentare a graficului, pentru a indica nivelul de risc al efectelor adverse cauzate de concentrațiile de scurgere, debitele și încărcăturile asupra apelor primitoare de furtună și de an. Spre deosebire de modelele hidrologice deterministe, SELDM nu este calibrat prin schimbarea valorilor variabilelor de intrare pentru a se potrivi cu o înregistrare istorică a valorilor. În schimb, valorile de intrare pentru SELDM se bazează pe caracteristicile sitului și statistici reprezentative pentru fiecare variabilă hidrologică. Astfel, SELDM este un model empiric bazat pe date și statistici, mai degrabă decât pe ecuații fiziochimice teoretice.

SELDM este un model de parametri aglomerat, deoarece situl autostrăzii, bazinul din amonte și bazinul lacului sunt reprezentate fiecare ca o singură unitate omogenă. Fiecare dintre aceste zone sursă este reprezentată de proprietăți medii ale bazinului, iar rezultatele din SELDM sunt calculate ca estimări punctuale pentru locul de interes. Utilizarea abordării parametrilor forfetari facilitează specificarea rapidă a parametrilor modelului pentru a dezvolta estimări la nivel de planificare cu datele disponibile. Abordarea permite parsimoniul în intrările și ieșirile necesare din model și flexibilitatea în utilizarea modelului. De exemplu, SELDM poate fi utilizat pentru a modela scurgerile din diverse acoperiri de teren sau utilizări ale terenului utilizând definiția sitului autostrăzii, atâta timp cât sunt disponibile date reprezentative privind calitatea apei și fracțiunile impermeabile.

Versiunea SELDM: 1.1.0 - Versiunea 1.1.0 Actualizată pentru a adăuga procesarea lotului, a schimbat durata scurgerii autostrăzii utilizate pentru curbele de transport în amonte de la durata descărcării, care ar putea varia de la BMP la BMP la durata și volumul concomitent al scurgerii și a stabilit o problemă care le-a permis utilizatorilor să simuleze o variabilă dependentă într-o analiză a lacului fără variabila explicativă, ceea ce a provocat o eroare.

SELDM versiunea 1.0.3.0 - Actualizare pentru a modifica baza de date și codul pentru a modifica câteva elemente: (1.) Stațiile de precipitații cu latitudini pe linii de rețea nu au apărut în statisticile ecoregiunii din cauza interogării. Ecoregiunile testate indică faptul că mediile diferă cu mai puțin de 1% și medianele diferă cu aproximativ 2,7% în medie, dar rezultatele nu sunt semnificativ diferite la intervalul de încredere de 95%. (2.) Ecoregiunea 13 și 80 atât bazinul nordic, cât și gama amplificatorului. # 13 ar trebui să fie bazinul central și gama # 14 ar trebui să fie Mojave / sudul bazinului și gama amplificatorului. (3.) În fișierul Out.txt, ieșire BMP, modificați Concentrația minimă ireductibilă la Concentrația minimă ireductibilă. (4.) S-a adăugat comanda DoEvents pentru a rula rutina pentru a reduce sau elimina mesajele „Nu răspund” în timp ce modelul rulează. (5.) S-a adăugat numele de fișier SELDM complet și calea amplificatorului în fișierul out.txt. (6.) Problemă corectată în care au fost create analize copiate în directorul de proiect implicit. (7.) S-au rezolvat problemele în calculul sarcinii pentru ng / L, pg / L, fg / L și alte unități. (8.) S-au adăugat elemente constitutive CalTrans TMDL. 24 iulie 2018

SELDM versiunea 1.0.2.0 - Actualizați pentru a schimba codul astfel încât copiile unei analize să utilizeze formula poziției de trasare Cunnane în loc de formula poziției de trasare Blom. Fiecare analiză originală ar folosi formula Cunnane. Ambele formule de poziționare a graficului sunt corecte, astfel încât analizele efectuate cu versiunea 1.0.1 nu sunt incorecte din cauza acestei diferențe. Cu toate acestea, cele două formule produc percentile de depășire ușor diferite, iar manualul oferă informații și ecuații pentru utilizarea formulei de poziționare a graficului Cunnane. Modificarea se află în codul de comandă copiere formular de analiză. 1 iunie 2016

SELDM versiunea 1.0.1.0 - Actualizare pentru calculul corect al curbelor de transport în amonte și lac-bazin. 16 iulie 2013

SELDM versiunea 1.0.0.0 - lansare inițială. 27 martie 2013

Cerințe de sistem

SELDM este scris în Visual Basic pentru aplicații și, prin urmare, utilizarea este limitată la sistemele de operare Microsoft Windows. Formularele grafice de afișare necesită o rezoluție a ecranului care depășește 1024 x 768 pixeli.

Cerințe privind datele

SELDM necesită latitudinea și longitudinea sitului de studiu, zona, impermeabilitatea, lungimea canalului principal, panta canalului principal și factorul de dezvoltare a bazinului pentru situl autostrăzii și locul de interes. SELDM necesită, de asemenea, statistici reprezentative privind calitatea apei pentru situl de interes și bazinul din amonte. Componentele selectate au fost introduse în prealabil.

Asistența pentru acest software va include viitoare sesiuni de instruire on-line și instruire la clasă în anumite locații, asistență limitată a software-ului și compilarea de îmbunătățiri sugerate. Doar o asistență limitată poate fi oferită pentru aplicarea SELDM la probleme specifice, dar modulele de formare viitoare ar trebui să fie suficiente pentru majoritatea utilizatorilor.

Suport limitat este oferit pentru corectarea erorilor și clarificarea modului în care este destinat să funcționeze codul.


Permisiuni și roluri

Această secțiune descrie permisiunea de gestionare a identității și accesului (IAM) de care aveți nevoie pentru a vizualiza metadatele pentru un instantaneu de tabel și rolurile IAM predefinite care acordă aceste permisiuni.

Permisiuni

Pentru a vizualiza metadatele unui instantaneu de tabel, aveți nevoie de următoarea permisiune:

Permisiune Resursă
bigquery.tables.get Instantaneul mesei

Roluri

Rolul minim predefinit de care aveți nevoie pentru a vizualiza metadatele instantaneului tabelului este următorul:

Rol Resursă
bigquery.metadataViewer Instantaneul mesei


Cum se utilizează secvențele de job pentru a salva date după rezolvarea modelului dvs.

Funcționalitate puțin cunoscută a Studiu nodul este capacitatea sa de a efectua o secvență programatică de operații, inclusiv rezolvarea salvării modelului în fișier și generarea și exportarea grupurilor de parcele, rezultate și imagini. În această postare pe blog, aruncăm o privire mai atentă asupra acestei capacități. Dacă utilizați software-ul COMSOL Multiphysics®, există șanse mari să găsiți aceste informații utile în activitatea dvs. de modelare.

Exemplu: Model Micromixer

Pentru a demonstra această funcționalitate, vom încărca mai întâi modelul tutorial Micromixer din bibliotecile de aplicații. Acest model este disponibil în dosar COMSOL Multiphysics & gt Dinamica fluidelor și ilustrează fluxul de fluid și transportul de masă într-un mixer static laminar.

Modelul efectuează o simulare a fluxului de fluid folosind un Flux laminar interfață. În pasul următor, arată cum se calculează eficiența amestecului cu ajutorul unui Transportul speciilor diluate interfață, utilizând rezultatele simulării debitului de fluid ca intrare. Specia va fi transportată în aval pe baza vitezei fluidului.

Timpul de calcul pentru acest model este de câteva minute. Pentru a simplifica puțin modelul, astfel încât să putem rula calculul mai repede, nu am reușit să rezolvăm transportul speciilor. Pentru a realiza acest lucru, vom face o modificare în fereastra Setări a celui de-al doilea pas de studiu, Pasul 2: staționar 2, prin eliminarea Transportul speciilor diluate Caseta de bifat.

Putem aduce o modificare suplimentară modelului pentru a rula mai repede. Seteaza Tipul secvenței pentru ca plasa să Plasă controlată de fizică și dimensiunea elementului la Extrem de grosieră.

Acum putem calcula Studiul 1 pentru a vă asigura că totul funcționează. Graficul rezultat arată magnitudinea vitezei la câteva felii de-a lungul geometriei mixerului.

Utilizarea secvențelor de job pentru a salva date

Aici ne vom concentra atenția asupra unei părți importante a unei configurații de locuri de muncă: Secvenţă opțiune.

Pentru a putea defini o secvență de operații în cadrul Studiu nod, activăm Opțiuni avansate de studiu. Aceasta este o opțiune de meniu disponibilă sub bara de instrumente Model Builder. Faceți clic pe simbolul & # 8220eye & # 8221 pentru a vedea meniul.

Activarea acestei setări arată un ascuns Configurări job nod din arborele modelului. Acest nod este ceva de care nu trebuie să vă faceți griji în timpul lucrărilor de modelare convenționale. În mod esențial, stochează informații de nivel scăzut referitoare la ordinea în care ar trebui rulat procesul soluției. În mod normal, acest lucru este controlat indirect de la nivelul superior al unui studiu, fără a fi nevoie de activare Opțiuni avansate de studiu.

Click dreapta Configurări job și selectați Secvenţă.

Apoi, faceți clic dreapta Secvenţă pentru a vedea, sub Alerga opțiune, o varietate de opțiuni care pot fi adăugate ca o secvență ordonată de operații efectuate la executarea secvenței:

Loc de munca se referă la o altă secvență care urmează să fie rulată din această secvență, în timp ce Soluţie rulează un Soluţie nod disponibil în cadrul Configurări Solver nod, disponibil mai sus în Studiu copac.

Sub Alte, tu poti alege Clasa externă, care apelează un fișier de clasă Java® extern. Altă opțiune, Geometrie, construiește Geometrie nodul. Acest lucru poate fi folosit, de exemplu, în combinație cu o baleiaj parametric pentru a genera o secvență de fișiere MPH cu parametri de geometrie diferiți. Plasă opțiunea construiește Plasă nodul.

Salvați modelul în fișier salvează modelul rezolvat într-un fișier MPH.

Sub Rezultate opțiune, puteți alege Grupul de complot pentru a rula toate sau un set selectat de grupuri de complot. Acest lucru este util pentru automatizarea generării grupurilor de parcele după rezolvare. De asemenea, nu trebuie să faceți clic manual pe toate grupurile de complot pentru a genera vizualizările corespunzătoare. Valoare derivată opțiunea există din motive vechi și vă recomandăm să utilizați Evaluează valorile derivate , care va evalua nodurile sub Rezultate & gt Valori derivate. Optiunea Exportați în fișier execută orice nod pentru exportul de date sub Export nodul.

Să creăm acum o secvență simplă. Faceți clic dreapta pe Secvenţă nod și selectați Soluţie.

Opțiunea implicită pentru un Soluţie nod dintr-o secvență este de a rula toate nodurile soluției. Alerga opțiune în General secțiunea vă permite să specificați care Soluţie structurile de date ar trebui calculate. Soluţie structurile de date sunt disponibile ca noduri copil, împreună cu alte noduri, sub Configurații de rezolvare. Ele pot fi recunoscute după numele lor scurt scris între paranteze, cum ar fi (sol1) și (sol2). Structurile de date ale soluțiilor sunt reprezentări de nivel scăzut ale soluțiilor.

În acest exemplu, puteți păstra valoarea implicită Toate pentru Soluţie structuri de date.

Am dori să salvăm fișierul când soluția este terminată. Faceți clic dreapta pe Secvenţă nod și selectați Salvați modelul în fișier.

În fereastra Setări, puteți vedea o serie de opțiuni care sunt legate de capacitatea de a salva o serie de fișiere MPH cu parametri adăugați la sfârșitul numelui fișierului. Acest lucru este foarte util pentru măturările parametrice, cum ar fi măturările în serie. Cu toate acestea, nu va trebui să facem acest lucru într-un exemplu atât de simplu, așa că schimbăm opțiunea Adăugați parametri la numele fișierului la Nici unul. În această etapă, trebuie să dăm și un nume de fișier unei locații în care avem permisiunea de a scrie. În acest exemplu, numele fișierului și calea sunt C: COMSOL myfile.mph.

Pentru a rula aceste operații, selectați Secvenţă nod și faceți clic Alerga.

Scrierea datelor în fișier după rezolvare în COMSOL Multiphysics®

Modelul de bibliotecă de la care am pornit are deja o valoare derivată definită. Puteți vedea acest lucru sub Rezultate & gt Valori derivate & gt Evaluare globală. Variabila se numește S_outlet și este varianța concentrației relative la ieșire. Este definit ca o variabilă sub Componenta & gt Definiții & gt Variabile.

Valoarea a S_outlet este trimis la tabelul 1. Putem alege să stocăm această valoare într-un fișier modificând o setare în fereastra Setări din tabelul 1. Schimbare Masa de depozitare la La dosar și tastați un nume de fișier, de exemplu, C: COMSOL my_data.txt.

Acum, adăugați un Evaluează valorile derivate operație la secvență.

În General , puteți modifica secțiunea A evalua setarea la Evaluare globală 1. Cu toate acestea, în acest exemplu simplu de model, puteți omite acest pas. Rețineți că numele nodului din arborele modelului se schimbă în Evaluare: Evaluare globală 1.

Acum puteți rula din nou secvența. Cu toate acestea, pentru ca acest ultim pas să aibă sens, trebuie să activați fișierul Transportul speciilor diluate interfață în fereastra Setări pentru Pasul 2: staționar 2.

Rularea secvențelor de job din linia de comandă

Dacă doriți să rulați o secvență de lucrări din linia de comandă în sistemele de operare Windows® sau Linux®, sau macOS, nu puteți utiliza metoda prezentată mai sus, dar în schimb trebuie să adăugați o baleiaj parametric cu un parametru fals. Cu toate acestea, dacă ați rulat deja o baleiaj parametric, atunci tot ce trebuie să știți este că o baleiaj parametric este doar un tip special de secvență de lucrări și apoi urmați instrucțiunile de mai sus, dar cu un Configurări joburi și măturare gamParametrică nod care înlocuiește a Configurări job și gtSequence nodul.

Motivul pentru aceasta este istoric și reflectă evoluția Studiu funcționalitatea nodului în timp. Interfața de comandă a sistemului de operare nu vă permite să rulați nicio parte a unui Studiu nod care nu este controlat la nivelul superior al Studiu nodul. Puteți specifica doar ce studiu să ruleze, de exemplu, în sistemul de operare Linux®:

comsol batch -inputfile mymodel.mph -study std1

pentru Studiul 1 cu etichetă std1.

Nu puteți rula o secvență în acest fel, deoarece pasul de studiu de nivel superior nu este conștient de modificările dvs. din secțiunea Configurarea jobului nodul. Pentru a face pasul de studiu în partea de sus a Studiu arborele nodului & # 8220aware & # 8221 din modificările dvs. sub Configurări job nod, cel mai simplu mod este să adăugați o măturare parametrică cu un parametru arbitrar definit sub Definiții globale & gt Parametrii Spune, manechin cu valoarea 1. Măsurarea peste acest parametru adaugă apoi cheltuielile suplimentare necesare pentru a obține un mâner pe Configurarea jobului nod de la nivelul superior al Studiu nodul. Apoi, puteți emite o comandă batch din linia de comandă pentru a o rula.

Așa va arăta măturarea & # 8220 & # 8221 corespunzătoare:

Următoarea figură arată măturarea corespunzătoare peste valoarea unui parametru pentru parametrul fictiv.

Acum, știind că Mătură parametrică 1 nodul este doar un tip special de Secvenţă nod, nodurile copil Soluția 1, Salvați modelul în fișierul 1, și Evaluare: Evaluare globală 1 sunt la fel ca în exemplul de mai sus folosind Secvenţă.

Activați afișarea etichetelor de copac model selectând Etichetă de la Text de nod arbore model , disponibil în bara de instrumente Model Builder.

Eticheta de studiu std1 este acum vizibil în arborele modelului:

Comanda Linux® afișată anterior va rula acum secvența de operații care rezolvă, salvează modelul în fișier și, în final, evaluează Evaluare globală nodul. Rețineți că dacă aveți doar unul Studiu nod din modelul dvs., atunci puteți sări peste argumentul de intrare studiază std1.

Rețineți că, dacă aveți deja o măturare parametrică în modelul dvs., acestea pot fi de două tipuri denumite în mod vag & # 8220inner sweep & # 8221 și & # 8220outer sweep & # 8221. Măturarea din exemplul de mai sus folosind parametrul fictiv este o măturare & # 8220outer & # 8221. Studiu nodul va detecta automat ce tip de măturare să utilizeze pentru cea mai bună performanță, dar puteți prelua controlul manual, dacă este necesar. Pentru a utiliza o secvență de lucrări din linia de comandă, măturarea dvs. trebuie să fie o & # 8220 măturare exterioară & # 8221.

Mai mult sau mai puțin, toate tipurile de măturări pot fi schimbate de la a fi o măturare interioară la o mătură exterioară, dar nu invers. Măturările interioare pot fi mai rapide, deoarece vor folosi o parte din structura de bază a calculului pentru a accelera lucrurile. Cu toate acestea, nu toate tipurile de măturări pot fi măturări interioare. De exemplu, o măturare peste un parametru de geometrie trebuie să fie întotdeauna o mătură exterioară din nou, aceasta fiind gestionată automat de către rezolvator. Pentru a vă asigura că parametrul de măturare este o măturare exterioară, modificați Utilizați un rezolvator parametric la Dezactivat în Măturare parametrică setări, apoi efectuați o Afișează soluția implicită operațiune și continuați de acolo.

Rezumat

Secvențele de joburi pot fi utilizate pentru a automatiza o serie de sarcini comune după rezolvarea unui model. În această postare pe blog, am văzut exemple de:

  • Salvarea modelului în fișier ca fișier MPH după rezolvare
  • Exportator Valori derivate să înregistreze automat după rezolvare

Există și alte sarcini care utilizează secvențe de lucrări pe care le puteți încerca singure, inclusiv:

  • Regenerarea tuturor parcelelor după rezolvare
  • Exportarea datelor de complot în fișier
  • Exportarea datelor de imagine în fișier

Sperăm că veți găsi că secvențele de locuri de muncă sunt o caracteristică utilă pentru munca dvs. zilnică de modelare!

Oracle și Java sunt mărci comerciale înregistrate ale Oracle și / sau ale afiliaților săi. Microsoft și Windows sunt mărci comerciale înregistrate sau mărci comerciale ale Microsoft Corporation în Statele Unite și / sau în alte țări. Linux este o marcă comercială înregistrată a Linus Torvalds în SUA și în alte țări. macOS este o marcă comercială a Apple Inc., înregistrată în SUA și în alte țări.

Categorii

Furnizând adresa dvs. de e-mail, sunteți de acord să primiți e-mailuri de la COMSOL AB și afiliații săi despre blogul COMSOL și sunteți de acord ca COMSOL să vă poată prelucra informațiile în conformitate cu politica sa de confidențialitate. Acest consimțământ poate fi retras.


3 Răspunsuri 3

Utilizarea medie sau sumă este echivalentă, în sensul că există perechi de rate de învățare pentru care produc aceeași actualizare.

Pentru a confirma acest lucru, reamintiți mai întâi regula de actualizare:

Apoi, lăsați $ mu_E $ să fie eroarea medie pentru un set de date de dimensiunea $ n $ pe o epocă. Suma erorii este apoi $ n mu_E $ și, deoarece $ n $ nu depinde de $ w $, aceasta conține:

La a doua întrebare, expresia „acumularea greutăților delta” ar implica faptul că una dintre aceste metode păstrează actualizările de greutate. Nu este cazul: învățarea în serie se acumulează eroare. Există doar un singur vector $ Delta w $ într-o epocă dată. (Codul dvs. pseudocod omite etapa de actualizare a greutăților, după care se poate arunca $ Delta w $.)

Cele două răspunsuri sunt echivalente. Personal, aș crede că este o eroare medie în loc de sumă. Dar amintiți-vă că descendența gradientului are un parametru numit rata de învățare și că doar o parte din gradientul erorii este scăzută. Deci, dacă eroarea este definită ca totalul mediei poate fi compensată prin schimbarea ratei de învățare.

Cineva a explicat ca Dimensiunea lotului este un hiperparametru care definește numărul de eșantioane care trebuie prelucrate înainte de actualizarea parametrilor interni ai modelului.

Gândiți-vă la un lot ca la o buclă iterând peste unul sau mai multe eșantioane și făcând predicții. La sfârșitul lotului, predicțiile sunt comparate cu variabilele de ieșire așteptate și se calculează o eroare. Din această eroare, algoritmul de actualizare este utilizat pentru a îmbunătăți modelul, de ex. deplasați-vă de-a lungul gradientului de eroare.

Un set de date de antrenament poate fi împărțit în unul sau mai multe loturi.

Când toate eșantioanele de antrenament sunt folosite pentru a crea un lot, algoritmul de învățare se numește descendență în gradient de lot. Când lotul are dimensiunea unui eșantion, algoritmul de învățare se numește descendență stocastică în gradient. Când dimensiunea lotului este mai mult de un eșantion și mai mică decât dimensiunea setului de date de antrenament, algoritmul de învățare se numește descendență în gradient mini-lot.


Controlul locului în care sunt scrise datele intermediare

Instrumentele de geoprocesare care creează noi seturi de date de ieșire generează automat numele setului de date de ieșire (așa cum este descris în Utilizarea mediilor curente și a spațiului de lucru zero). Acest nume generat automat include calea către spațiul de lucru sau dosarul care conține setul de date. ModelBuilder folosește acest nume de ieșire autogenerat pentru a scrie date intermediare. Puteți înlocui întotdeauna acest nume de set de date de ieșire introducând un alt nume și locație pentru setul de date de ieșire și există modalități prin care puteți specifica spațiul de lucru utilizat pentru a construi numele de ieșire autogenerat.

  • Orice spațiu de lucru (geodatabase, set de date cu caracteristici geodatabase sau folder) făcând clic dreapta pe variabile de date intermediare și schimbând locația în care sunt scrise. Dacă aveți o mulțime de date intermediare, puteți să vă gestionați datele intermediare, așa cum este descris în Realizarea datelor intermediare gestionate.
  • La Scratch GDB (Scrod Geodatabase) sau Scratch Folder. Aceste două medii numai de citire au fost introduse în ArcGIS 10.1. Ilustrația de mai jos prezintă variabila de date Centroids Intersect marcată ca intermediară, iar locația sa de ieșire este geodatabase zero (% scratchGDB%). Semnele procentuale (%) denotă substituția variabilă - valoarea scratchGDB este extinsă atunci când instrumentul model este rulat și o clasă de caracteristici numită poly_Intersect este scrisă în geodatabase zero. În mod similar, puteți utiliza% scratchFolder% pentru a scrie date bazate pe fișiere, cum ar fi fișiere .lyr sau .txt.

Există câteva recomandări pentru scrierea datelor intermediare într-un model descris mai jos:


Publica

După configurarea politicii de reîmprospătare incrementală, publicați modelul în serviciu. Când publicarea este finalizată, puteți efectua operația de reîmprospătare inițială pe set de date.

Pentru seturile de date publicate în spațiile de lucru alocate capacităților Premium, dacă credeți că setul de date va crește peste 1 GB sau mai mult, puteți îmbunătăți performanța operațiunii de reîmprospătare și vă puteți asigura că setul de date nu depășește limitele de dimensiune activând formatul mare de stocare a setului de date inainte de efectuarea primei operațiuni de reîmprospătare în serviciu. Pentru a afla mai multe, consultați Seturi de date mari în Power BI Premium.

După ce ați fost publicat în serviciu, nu puteți descărca PBIX înapoi.


5 Răspunsuri 5

Ai dreptate, 8 parametri - toate șirurile - fac din constructor un candidat bun pentru o revizuire a codului.

Luați în considerare câteva dintre următoarele puncte.

Atributele esențiale mai întâi

Căutați modelul mesajului și aflați ce atribute sunt necesare pentru a inițializa o instanță într-o stare consecventă. Reduceți numărul argumentelor la esențial. Adăugați setere sau funcții pentru restul.

Dacă toate cele 8 atribute sunt necesare și numai în citire, nu sunt prea multe de făcut.

Incapsularea

Luați în considerare încapsularea parametrilor corelați. De exemplu, A, B și C. ar putea fi plasate împreună într-o nouă clasă. Aflați ce parametri se schimbă împreună, în același timp, din aceleași motive.

Reduce numărul de argumente cu prețul unei alte clase (complexitate).

Utilizați modele de creație

În loc să inițializați mesaje direct din orice loc din sursa codului, faceți-o de la fabrici sau constructori.

Matrice

Dacă niciuna dintre cele de mai sus nu funcționează, încercați o serie de parametri. Având în vedere lipsa de nume semnificative de param, este probabil cea mai simplă soluție.

În ceea ce privește tablourile, am postat o întrebare unde întreb despre adecvarea sa. Am fost reticent să am încredere într-o astfel de soluție. Cu toate acestea, răspunsurile m-au ajutat să fiu mai puțin reticentă, așa că verificați dacă nu vă place și această soluție. S-ar putea să vă răzgândiți în legătură cu acest lucru.

Moştenire

În cele din urmă, veți realiza că mesajele sunt buni candidați la moștenire. Segmentarea mesajelor în funcție de atribut generează puține cheltuieli generale, deoarece mai devreme decât mai târziu ajungeți să cereți tipul if (message.getType () ==.) Pe tot codul.

Iată un răspuns eretic: Nu văd nimic inerent în neregulă cu o mulțime de parametri.

A avea o funcție care necesită o mulțime de parametri este adesea o țintă pentru refactorizare, dar doar pentru că am refactorizat ceva într-o bucată mai rece de cod nu înseamnă că ar trebui să am făcut asta.

Utilizarea unei matrice sau a unor argumente de matrice în loc de 8 parametri separați înseamnă că veți avea nevoie de o logică suplimentară pentru a impune faptul că există numărul corect de parametri trimiși. codul și aveți un model de constructor pentru fiecare structură de date mică și stupidă, atunci probabil că mă voi pierde în liniile de cod josillion. Dacă într-adevăr aveți nevoie de toate cele 8 argumente, atunci nu puteți muta unele la doar seturi de recuzită, deoarece ați putea avea o instanță a clasei fără toate datele necesare în ea.

Știu, pentru propria mea experiență, că, dacă moștenesc o bază de cod, aș prefera ca codul să fie configurat într-un stil plictisitor, plictisitor, evident (cum ar fi cele 8 argumente ale constructorului dvs., etc. etc) în loc de ceva cool / nou cadru / model complex DI pe care nu l-am mai folosit până acum.

Dacă clasa dvs. de mai sus este o structură de date simplă (sperăm imuabilă) care are cu adevărat nevoie de 8 argumente de șir pentru a fi valide, atunci spun că a avea 8 parametri este o modalitate perfectă de a realiza acest lucru.


Priveste filmarea: QGIS Basic #62: Raster Calculator