Detector-learner Visibility: modification 1, S1

Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
This commit is contained in:
maximeandClaude Opus 5.5 committed 2026-11-05 14:18:02 +01:00
1 parent b0245c4067
commit 374d91eb15
4 files changed
+119 -7

No files matched your search

@@ -0,0 +1,101 @@
BREITHORN : 2026-10-03T00:00Z → 2026-11-01T00:00Z, 27 étiquettes
trouvées justes
Displacement 168/168 (100 %) 168/171 (98 %)
No data 2/2 (100 %) 2/2 (100 %)
Obstruction 46/48 (96 %) 46/46 (100 %)
Thermal displacement 4/21 (19 %) 4/4 (100 %)
Visibility — 0/25 (0 %)
CLARIDEN : 2026-10-01T00:00Z → 2026-11-01T00:00Z, 43 étiquettes
trouvées justes
Displacement 2578/3091 (83 %) 2578/2601 (99 %)
No data 6/20 (30 %) 6/12 (50 %)
Obstruction 1/5 (20 %) 1/5 (20 %)
Target issue 4068/4068 (100 %) 4068/4069 (100 %)
Thermal displacement 40/42 (95 %) 40/264 (15 %)
Visibility 3/87 (3 %) 3/3 (100 %)
FLORIDA : 2026-10-01T00:00Z → 2026-11-01T00:00Z, 64 étiquettes
trouvées justes
Displacement 0/41 (0 %) 0/15 (0 %)
No data 4/21 (19 %) 4/4 (100 %)
Obstruction 0/2 (0 %) 0/13 (0 %)
Target issue 2913/2913 (100 %) 2913/2914 (100 %)
Thermal displacement 815/1047 (78 %) 815/1338 (61 %)
Visibility 381/598 (64 %) 381/381 (100 %)
JUNGFRAU : 2026-09-30T00:00Z → 2026-11-01T00:00Z, 99 étiquettes
trouvées justes
Displacement — 0/19 (0 %)
No data 4/29 (14 %) 4/4 (100 %)
Obstruction 1/1 (100 %) 1/158 (1 %)
Target issue 3005/3005 (100 %) 3005/3006 (100 %)
Thermal displacement 1544/2557 (60 %) 1544/1786 (86 %)
Visibility 306/669 (46 %) 306/317 (97 %)
LENZSPITZE : 2026-10-16T00:00Z → 2026-11-01T00:00Z, 67 étiquettes
trouvées justes
Displacement — 0/4640 (0 %)
No data 12/615 (2 %) 12/16 (75 %)
Obstruction 19/47 (40 %) 19/84 (23 %)
Thermal displacement 1767/1925 (92 %) 1767/4253 (42 %)
Visibility 915/1886 (49 %) 915/1097 (83 %)
MICHIGAN : 2026-10-03T00:00Z → 2026-11-01T00:00Z, 15 étiquettes
trouvées justes
Displacement 130/130 (100 %) 130/171 (76 %)
No data 2/2 (100 %) 2/2 (100 %)
Target issue 132/147 (90 %) 132/132 (100 %)
Thermal displacement 19/25 (76 %) 19/46 (41 %)
NEBRASKA : 2026-10-03T00:00Z → 2026-11-01T00:00Z, 11 étiquettes
trouvées justes
Displacement 165/165 (100 %) 165/171 (96 %)
No data 2/2 (100 %) 2/2 (100 %)
Target issue 132/132 (100 %) 132/132 (100 %)
Thermal displacement 10/20 (50 %) 10/17 (59 %)
NIEDERHORN : 2026-10-01T00:00Z → 2026-11-01T00:00Z, 139 étiquettes
trouvées justes
Displacement 3/48 (6 %) 3/15 (20 %)
No data 2/26 (8 %) 2/2 (100 %)
Obstruction 75/156 (48 %) 75/167 (45 %)
Target issue 719/719 (100 %) 719/720 (100 %)
Thermal displacement 216/267 (81 %) 216/236 (92 %)
Visibility 28/104 (27 %) 28/32 (88 %)
NORDEND : 2026-08-10T00:00Z → 2026-11-01T00:00Z, 228 étiquettes
trouvées justes
Displacement 2/12 (17 %) 2/36 (6 %)
No data 10/58 (17 %) 10/10 (100 %)
Obstruction 635/2625 (24 %) 635/1873 (34 %)
Target issue 2097/7183 (29 %) 2097/2097 (100 %)
Thermal displacement 4607/7412 (62 %) 4607/4707 (98 %)
Visibility 679/1950 (35 %) 679/1138 (60 %)
SNCF01 : 2026-10-04T00:00Z → 2026-11-01T00:00Z, 97 étiquettes
trouvées justes
Displacement 2111/2111 (100 %) 2111/2112 (100 %)
No data 10/30 (33 %) 10/16 (62 %)
Obstruction 20/22 (91 %) 20/431 (5 %)
Target issue 2111/2111 (100 %) 2111/2112 (100 %)
Thermal displacement 1218/1726 (71 %) 1218/1275 (96 %)
Visibility 0/761 (0 %) —
WILDSTRUBEL : 2026-09-01T00:00Z → 2026-11-01T00:00Z, 201 étiquettes
trouvées justes
Displacement 579/579 (100 %) 579/1986 (29 %)
No data 21/31 (68 %) 21/30 (70 %)
Obstruction 253/1026 (25 %) 253/482 (52 %)
Target issue 350/2091 (17 %) 350/350 (100 %)
Thermal displacement 495/845 (59 %) 495/512 (97 %)
Visibility 905/1152 (79 %) 905/922 (98 %)
Total
trouvées justes
Displacement 5736/6345 (90 %) 5736/11937 (48 %)
No data 75/836 (9 %) 75/100 (75 %)
Obstruction 1050/3932 (27 %) 1050/3259 (32 %)
Target issue 15527/22369 (69 %) 15527/15532 (100 %)
Thermal displacement 10735/15887 (68 %) 10735/14438 (74 %)
Visibility 3217/7207 (45 %) 3217/3915 (82 %)
+7 -2
View File
@@ -11,7 +11,10 @@ thermal_displacement.py, no_data.py, displacement.py. La catégorie d'un événe
- une dérive lente ou un saut revenu dont toutes les cibles sont dans un épisode Target issue qui le chevauche y est absorbé - une dérive lente ou un saut revenu dont toutes les cibles sont dans un épisode Target issue qui le chevauche y est absorbé
(la courbe d'une cible à problème est à ignorer, familles.md) ; (la courbe d'une cible à problème est à ignorer, familles.md) ;
- un décalage qui dure, ou trop récent pour savoir (DECALAGES), n'est jamais absorbé ; - un décalage qui dure, ou trop récent pour savoir (DECALAGES), n'est jamais absorbé ;
- une turbulence qui chevauche un décalage n'est pas gardée : un vrai mouvement agite aussi les courbes ; - une turbulence qui chevauche un décalage de plusieurs cibles n'est pas gardée : un vrai mouvement agite aussi les courbes ;
le décalage d'une seule cible ne retire pas la turbulence de toute la scène, et une turbulence n'absorbe que les sauts
revenus qui commencent pendant elle, pas celui de la veille qui revient dans sa journée (/detector-learner Visibility,
modification 1, S1 : WILDSTRUBEL) ;
- deux événements de même sorte à moins de MERGE n'en font qu'un ; deux Obstruction (Target obscured, Brief - deux événements de même sorte à moins de MERGE n'en font qu'un ; deux Obstruction (Target obscured, Brief
obstruction), seulement s'ils partagent un capteur (/detector-learner Obstruction, modification 1 : S1, des cibles obstruction), seulement s'ils partagent un capteur (/detector-learner Obstruction, modification 1 : S1, des cibles
différentes enchaînées en un événement de plusieurs jours ; S3, des passages de quelques minutes en une heure entière) ; différentes enchaînées en un événement de plusieurs jours ; S3, des passages de quelques minutes en une heure entière) ;
@@ -160,12 +163,14 @@ def classer(episodes, references=frozenset()):
"""Épisodes de tous les détecteurs -> événements triés par début (règles : docstring du module) ; references : les """Épisodes de tous les détecteurs -> événements triés par début (règles : docstring du module) ; references : les
capteurs global_ref, pour la phrase.""" capteurs global_ref, pour la phrase."""
eps = sorted(episodes, key=lambda e: e["start"]) eps = sorted(episodes, key=lambda e: e["start"])
checks = [e for e in eps if e["label"] in DECALAGES] # un vrai mouvement n'est jamais pris pour de la turbulence # un vrai mouvement n'est jamais pris pour de la turbulence ; le décalage d'une seule cible n'est pas un mouvement de la scène
checks = [e for e in eps if e["label"] in DECALAGES and len(e["sensors"]) > 1]
eps = [e for e in eps if e["label"] != "Heat shimmer" or not any(overlap(e, c) for c in checks)] eps = [e for e in eps if e["label"] != "Heat shimmer" or not any(overlap(e, c) for c in checks)]
# la vague thermique n'absorbe qu'en dernier (un saut d'un passage ou d'une pluie va à eux), et que les sauts de # la vague thermique n'absorbe qu'en dernier (un saut d'un passage ou d'une pluie va à eux), et que les sauts de
# plusieurs cibles : la vague les fait bouger ensemble, une cible seule qui saute n'est pas la vague (C2 de E-003) # plusieurs cibles : la vague les fait bouger ensemble, une cible seule qui saute n'est pas la vague (C2 de E-003)
hosts = sorted((e for e in eps if e["label"] in HOTES), key=thermique) hosts = sorted((e for e in eps if e["label"] in HOTES), key=thermique)
host = {id(e): next((h for h in hosts if overlap(e, h) and (len(e["sensors"]) > 1 or not thermique(h)) host = {id(e): next((h for h in hosts if overlap(e, h) and (len(e["sensors"]) > 1 or not thermique(h))
and (h["label"] != "Heat shimmer" or h["start"] <= e["start"])
and (h["label"] != "Brief obstruction" or e["start"] == h["start"] and (h["label"] != "Brief obstruction" or e["start"] == h["start"]
and datetime.fromisoformat(e["end"]) - datetime.fromisoformat(h["start"]) <= MERGE)), None) and datetime.fromisoformat(e["end"]) - datetime.fromisoformat(h["start"]) <= MERGE)), None)
for e in eps if e["label"] == SAUT} for e in eps if e["label"] == SAUT}
+10 -4
View File
@@ -255,7 +255,10 @@ def detect(mesures):
# 3. Heure turbulente : au moins la moitié des capteurs à ≥ 1,5 fois leur agitation calme, et error_value médiane # 3. Heure turbulente : au moins la moitié des capteurs à ≥ 1,5 fois leur agitation calme, et error_value médiane
# des capteurs à ≥ 1,5 fois la calme (l'air chaud brouille les taches : E-003, critère 1). # des capteurs à ≥ 1,5 fois la calme (l'air chaud brouille les taches : E-003, critère 1).
# 4. Heures voisines fusionnées (trou d'une heure toléré), épisode d'au moins 3 h, écarté si plus de 15 % des mesures # 4. Heures voisines fusionnées (trou d'une heure toléré), épisode d'au moins 3 h, écarté si plus de 15 % des mesures
# sont rejetées (c'est alors de la mauvaise visibilité, autre détecteur). Grisé si l'agitation médiane ≥ 2×. # sont rejetées en plus de l'habitude de leur capteur (sa part de rejets sur l'export) : c'est alors de la mauvaise
# visibilité, autre règle. Une cible toujours rejetée (Target issue) ne compte pas (/detector-learner Visibility,
# modification 1, S1 : WILDSTRUBEL, R3 rejetée toute la journée, les jours de turbulence étaient écartés).
# Grisé si l'agitation médiane ≥ 2×.
# #
# Résultats (2026-10-23, seuils ci-dessous) : # Résultats (2026-10-23, seuils ci-dessous) :
# - WILDSTRUBEL (E-003, vérité : chaque jour ~03:30 → 16:00) : 3 épisodes, 02.09 04:00-15:00, 03.09 05:00-15:00, # - WILDSTRUBEL (E-003, vérité : chaque jour ~03:30 → 16:00) : 3 épisodes, 02.09 04:00-15:00, 03.09 05:00-15:00,
@@ -267,7 +270,8 @@ def detect(mesures):
RATIO = 1.5 # provisoire, réglé sur E-003 (WILDSTRUBEL : de jour, corr ×1,7 à ×3 la nuit) RATIO = 1.5 # provisoire, réglé sur E-003 (WILDSTRUBEL : de jour, corr ×1,7 à ×3 la nuit)
PART = 0.5 # provisoire : part des capteurs agités en même temps PART = 0.5 # provisoire : part des capteurs agités en même temps
RATIO_ERR = 1.5 # provisoire, réglé sur E-003 (error_value ×1,7 à ×3,2 la nuit ; ≈ ×1 à midi ailleurs) RATIO_ERR = 1.5 # provisoire, réglé sur E-003 (error_value ×1,7 à ×3,2 la nuit ; ≈ ×1 à midi ailleurs)
REJET_MAX = 0.15 # provisoire : E-003 ≤ 7 % ; toile d'araignée (E-002) et pluie (E-005) ≥ 18 % REJET_MAX = 0.15 # provisoire : E-003 ≤ 7 % ; toile d'araignée (E-002) et pluie (E-005) ≥ 18 % ; rejets en plus de l'habitude
# depuis /detector-learner Visibility, modification 1, S1 (WILDSTRUBEL : 4 à 14 %, contre 9 à 22 % bruts)
FORT = 2.0 # provisoire : E-003 (×2,3 à ×2,6) est fort ; un épisode entre ×1,5 et ×2 reste visible FORT = 2.0 # provisoire : E-003 (×2,3 à ×2,6) est fort ; un épisode entre ×1,5 et ×2 reste visible
DUREE_MIN = timedelta(hours=3) # provisoire : E-003 dure 10-11 h ; écarte le matin du mouvement réel de E-004 (2 h), DUREE_MIN = timedelta(hours=3) # provisoire : E-003 dure 10-11 h ; écarte le matin du mouvement réel de E-004 (2 h),
# que le classement écarte aussi, quelle que soit la durée (point 14 du plan) # que le classement écarte aussi, quelle que soit la durée (point 14 du plan)
@@ -317,11 +321,13 @@ def turbulence(mesures):
blocs[-1].append(h) blocs[-1].append(h)
else: else:
blocs.append([h]) blocs.append([h])
taux = {s: sum(m["corr_x"] is None for m in ms) / len(ms) for s, ms in mesures.items()} # rejets habituels
episodes = [] episodes = []
for b in blocs: for b in blocs:
debut, fin = b[0], b[-1] + HEURE debut, fin = b[0], b[-1] + HEURE
dedans = [m for ms in mesures.values() for m in ms if debut <= m["t"] < fin] par = {s: [m for m in ms if debut <= m["t"] < fin] for s, ms in mesures.items()}
if fin - debut < DUREE_MIN or sum(m["corr_x"] is None for m in dedans) > REJET_MAX * len(dedans): nouveaux = sum(max(0, sum(m["corr_x"] is None for m in d) - taux[s] * len(d)) for s, d in par.items())
if fin - debut < DUREE_MIN or nouveaux > REJET_MAX * sum(map(len, par.values())):
continue continue
par_capteur = {} par_capteur = {}
for h in b: for h in b:
@@ -49,7 +49,7 @@ Les détecteurs doivent tout détecter (l'utilisateur, 2026-10-26, D-068) : un r
| `visibility` (turbulence) | `RATIO` | 1,5 | E-003 (×1,7 à ×3 la nuit) | | `visibility` (turbulence) | `RATIO` | 1,5 | E-003 (×1,7 à ×3 la nuit) |
| | `PART` | 0,5 | — | | | `PART` | 0,5 | — |
| | `RATIO_ERR` | 1,5 | E-003 (×1,7 à ×3,2) | | | `RATIO_ERR` | 1,5 | E-003 (×1,7 à ×3,2) |
| | `REJET_MAX` | 15 % | E-003 ≤ 7 % ; toile et pluie ≥ 18 % | | | `REJET_MAX` | 15 % | E-003 ≤ 7 % ; toile et pluie ≥ 18 % ; en rejets en plus de l'habitude de chaque capteur (sa part de rejets sur l'export) : /detector-learner Visibility, modification 1, S1 (WILDSTRUBEL, une référence ou des cibles rejetées d'habitude écartaient les jours de turbulence : 4 à 14 % contre 9 à 22 % bruts) |
| | `FORT` | 2× | E-003 (×2,3 à ×2,6) | | | `FORT` | 2× | E-003 (×2,3 à ×2,6) |
| | `DUREE_MIN` | 3 h | E-003 (10-11 h) contre matin de E-004 (2 h) ; le classement écarte aussi ce matin, quelle que soit la durée (point 14) | | | `DUREE_MIN` | 3 h | E-003 (10-11 h) contre matin de E-004 (2 h) ; le classement écarte aussi ce matin, quelle que soit la durée (point 14) |
| `no_data` | `MISSING` | 2 pas | consigne de l'utilisateur, 2026-10-23 ; appliqué aussi entre la dernière mesure et la fin de la fenêtre lue (boucle CLARIDEN, lot 01) | | `no_data` | `MISSING` | 2 pas | consigne de l'utilisateur, 2026-10-23 ; appliqué aussi entre la dernière mesure et la fin de la fenêtre lue (boucle CLARIDEN, lot 01) |