федеральное государственное автономное образовательное

учреждение высшего образования

 

«САНКТ-ПЕТЕРБУРГСКИЙ НАЦИОНАЛЬНЫЙ ИССЛЕДОВАТЕЛЬСКИЙ УНИВЕРСИТЕТ ИНФОРМАЦИОННЫХ

ТЕХНОЛОГИЙ, МЕХАНИКИ И ОПТИКИ»

 

Кафедра экологии и техносферной безопасности

 

 

 

ОТЧЕТ

по лабораторной работе №4

на тему: «Обработка и представление данных полученных от системы контроля выбросов промышленных предприятий»

 

 

 

 

 

 

Автор:

Бекирова В.В.

Шередека А.Ю.

Факультет НТЭ

Группа №W4150

Преподаватель:

Белобородов В.В.

 

 

Санкт-Петербург 2017

 

Ход работы:

1)    Мы ознакомились с инструкцией и скачали образцы xml файлов для обработки – sample_A.xml, sample_B.xml, sample_C.xml, sample_D.xml.

Файлы соответствуют процессам A, B, C, D, представленным в разделе “Временной график проведения мониторинга”.

2)    Далее загрузили файл sample_A.xml в базу данных и создали график

Максимум входит в нужный диапазон, поэтому переходим к следующему документу.

3)    загрузили файл sample_В.xml в базу данных и создали график

Аналогично предыдущему пункту.

4)    загрузили файл sample_С.xml в базу данных и создали график

Максимумы превышают заданный диапазон, поэтому в файле sample_С.xml заменяем значения максимумов на среднее значение между соседними значениями.

Сохраняем документ и повторяем процесс. Загрузили исправленный sample_С.xml и создаем график.

Теперь максимум входит в диапазон, поэтому переходим к следующему файлу.

5)    Загружаем sample_D.xml и создаем график

Максимум входи в нужный диапазон.

6)    Переходим к разделу «подстановка отсутствующие данные» , так как в документах отсутствуют некоторые значения мы их подбираем исходя из руководства.

Рис -Схема подстановки отсутствующих данных.

Таким образом, в файле sample_А.xml Коэффициент достаточности объема данных > 95% (рисунок a- при N>24 ч), так как в этом случае недостающий период данных выходит за пределы 24 ч, то подставляется 90-й процентиль ежечасно записанных данных концентрации в предыдущие 720 часов (30 дней) или среднее значение концентрациии SO2 до или после периода отсутствия данных, в зависимости от того, что больше.

Мы рассчитали 90й процентиль и подставили рассчитанные значения вместо нулевых, сохранили документ.

Далее загрузили его в базу данных и построили график.

7)    В файле sample_B.xml Коэффициент достаточности объема данных = от 90 до 95% (рисунок bпри N>8 ч)

Тут мы рассчитали 95%й процентиль и подставили рассчитанные значения вместо нулевых, сохранили документ и загрузили в базу данных, с последующим построением графика.

8)     В файле sample_C.xml Коэффициент достаточности объема данных <90% (рисунок с )

Поэтому мы поставили максимальное значение вместо нулевых, сохранили, загрузили в базу данных файл и создали график

9)    В файле sample_D.xml Коэффициент достаточности объема данных <90% (рисунок с)

Аналогично предыдущему поставили максимальное значение вместо нулевых, сохранили, загрузили в базу данных файл и создали график

10)                       Далее переходим к интерполяции

Интерполяция – определение промежуточных значений функции по известному дискретному набору значений функции.

Мы рассмотрели 2 случая при:

1.     Значение дискретизации d=10; Степень полинома Лагранжа n=10

2.     Значение дискретизации d=10; Степень полинома Лагранжа n=20

Создали графики:

sample_А.xml

Значение дискретизации d=10; Степень полинома Лагранжа n=10

Значение дискретизации d=10; Степень полинома Лагранжа n=20

 

sample_В.xml

Значение дискретизации d=10; Степень полинома Лагранжа n=10

Значение дискретизации d=10; Степень полинома Лагранжа n=20

sample_C.xml

Значение дискретизации d=10; Степень полинома Лагранжа n=10

Значение дискретизации d=10; Степень полинома Лагранжа n=20

 

 

sample_D.xml

Значение дискретизации d=10; Степень полинома Лагранжа n=10

Значение дискретизации d=10; Степень полинома Лагранжа n=20

11)                       Сравниваем, что получилось

Исходный файл sample_A.xml

Без нулей sample_A.xml

sample_A.xml интер-я(d10/n10)

 sample_A.xml интер-я(d10/n20)

 Исходный файл sample_В.xml

 sample_В.xml без нулей

 sample_В.xml интер-я(d10/n10)

 sample_A.xml интер-я(d10/n20)

 Исходный файл sample_С.xml

с исправленными максимумами

 sample_С.xml без нулей

 sample_С.xmlинтер-я(d10/n10)

 sample_С.xmlинтер-я(d10/n20)

Исходныйsample_D.xml

 sample_D.xml безнулей

 sample_D.xml интер-я(d10/n10)

 sample_D.xmlинтер-я(d10/n20)

 

Вывод:

При помощи интерполяционного многочлена Лагранжа мы построили графики максимально приближенные по форме к графикам, полученным в первых двух заданиях. Сравнив их, мы видим, что интерполяция для дискретизации d = 10 и для степени полинома Лагранжа n = 10, n = 20 сглаживает одновременно «выбросы данных» и нулевые значения. Полином Лагранжа имеет малую погрешность при небольших значениях n (n <20). Многочлен Лагранжа в явном виде содержит значения функций в узлах интерполяции, поэтому он удобен, когда значения функций меняются, а узлы интерполяции неизменны.