From 48a64fc5c4c2554cc85d3435fdea2aad9d1ba6ea Mon Sep 17 00:00:00 2001 From: maxime Date: Mon, 26 Oct 2026 13:15:46 +0100 Subject: [PATCH] Sharpen NORDEND lot 01: modification 3 Co-Authored-By: Claude Opus 5.5 --- .claude/skills/lire-les-donnees/SKILL.md | 4 +- agents/diagnostic/outils/ensemble.py | 56 +++++++++++++++++- .../lot-01/modification-3.md | 21 +++++++ ...D_commun_20260901T0000Z_20260904T0000Z.png | Bin 0 -> 233351 bytes ...or_value_20260901T0000Z_20260904T0000Z.png | Bin 0 -> 485698 bytes ...s-corr_x_20260901T0000Z_20260904T0000Z.png | Bin 0 -> 570861 bytes ...s-corr_y_20260901T0000Z_20260904T0000Z.png | Bin 0 -> 599466 bytes ...or_value_20260901T0000Z_20260904T0000Z.png | Bin 0 -> 494396 bytes 8 files changed, 77 insertions(+), 4 deletions(-) create mode 100644 vues-deplacements/aiguiser/2026-10-26T1149Z_NORDEND/lot-01/modification-3.md create mode 100644 vues-deplacements/aiguiser/2026-10-26T1149Z_NORDEND/lot-01/modification-3/NORDEND_commun_20260901T0000Z_20260904T0000Z.png create mode 100644 vues-deplacements/aiguiser/2026-10-26T1149Z_NORDEND/lot-01/modification-3/NORDEND_multiples-error_value_20260901T0000Z_20260904T0000Z.png create mode 100644 vues-deplacements/aiguiser/2026-10-26T1149Z_NORDEND/lot-01/modification-3/NORDEND_residus-corr_x_20260901T0000Z_20260904T0000Z.png create mode 100644 vues-deplacements/aiguiser/2026-10-26T1149Z_NORDEND/lot-01/modification-3/NORDEND_residus-corr_y_20260901T0000Z_20260904T0000Z.png create mode 100644 vues-deplacements/aiguiser/2026-10-26T1149Z_NORDEND/lot-01/modification-3/NORDEND_residus-error_value_20260901T0000Z_20260904T0000Z.png diff --git a/.claude/skills/lire-les-donnees/SKILL.md b/.claude/skills/lire-les-donnees/SKILL.md index af425c1..fe6e888 100644 --- a/.claude/skills/lire-les-donnees/SKILL.md +++ b/.claude/skills/lire-les-donnees/SKILL.md @@ -21,7 +21,7 @@ Lance-les depuis la racine du dépôt. Ils rendent des valeurs, jamais des verdi | `python3 agents/diagnostic/outils/inventaire.py [--debut T] [--fin T]` | Fichiers par type, images (heures couvertes), période, cadence, mesures manquantes, capteurs (référence ou cible, seuil d'erreur, mesures rejetées) : ces comptes portent sur **toute la période**. Avec `--debut`/`--fin` (sur un lot : ceux du lot), une section de plus pour la fenêtre : les pas absents datés (pour tous les capteurs, ou lesquels manquent) et, par capteur, les mesures rejetées datées (suites de pas consécutifs) | | `python3 agents/diagnostic/outils/resume.py [--colonne C] [--stat median\|min\|max] [--pas 1h] [--niveau periode\|fenetre] [--capteurs A,B] [--debut T] [--fin T]` | Niveau habituel de chaque capteur (médiane, MAD, min, max) sur toute la période, ou sur la fenêtre `--debut`/`--fin` avec `--niveau fenetre` (pour un lot : un changement de niveau dans le lot ne se compare pas à des semaines d'autres mesures), puis un tableau par pas de temps. Colonnes : `error_value`, `corr_x`, `corr_y`, `relative_x`, `relative_y`, `x`, `y`, `sigma0`, `reproj_err` | | `.venv/bin/python agents/diagnostic/outils/graphique.py [--capteurs A,B] [--colonnes C1,C2] [--debut T] [--fin T] [--zone T1/T2 ...] [--sortie D]` | Un PNG des séries ; chaque `--zone` est grisée ; il imprime son chemin. **Regarde-le avec Read** : tu lis mieux un graphique qu'un tableau | -| `.venv/bin/python agents/diagnostic/outils/ensemble.py [--colonnes x,y,sigma0] [--colonne error_value] [--pas 1h] [--k 5] [--min 5] [--capteurs A,B] [--debut T] [--fin T] [--sortie D]` | Tous les capteurs ensemble, chacun face à sa médiane et sa MAD sur la fenêtre. Deux PNG : **commun** (médiane entre capteurs de `x`, `y`, `sigma0` : ce que fait la caméra, avec la dispersion entre capteurs en bande grise ; et, à chaque pas, le nombre de capteurs dont `--colonne` dépasse sa médiane de plus de `--k` MAD) et **multiples** (un petit graphique par capteur, une échelle chacun : un palier d'un seul capteur s'y voit). Imprime aussi la **table de la médiane commune** (une ligne par pas de `--pas` : l'heure et l'écart à la médiane de la fenêtre de `x`, `y`, `sigma0`) avec le minimum et le maximum de chaque colonne et leur instant, puis les instants où au moins `--min` capteurs dépassent ensemble, avec leurs noms. Les graduations du PNG « commun » sont toutes les 1 à 12 h selon la fenêtre. Pour dater un début, une fin ou un retour à 15 min près, relance sur la fenêtre utile avec `--pas 15min`. **Regarde les deux PNG avec Read** | +| `.venv/bin/python agents/diagnostic/outils/ensemble.py [--colonnes x,y,sigma0] [--colonne error_value] [--pas 1h] [--k 5] [--min 5] [--residus corr_x,corr_y,error_value] [--hors T1/T2] [--capteurs A,B] [--debut T] [--fin T] [--sortie D]` | Tous les capteurs ensemble, chacun face à sa médiane et sa MAD sur la fenêtre. Deux PNG : **commun** (médiane entre capteurs de `x`, `y`, `sigma0` : ce que fait la caméra, avec la dispersion entre capteurs en bande grise ; et, à chaque pas, le nombre de capteurs dont `--colonne` dépasse sa médiane de plus de `--k` MAD) et **multiples** (un petit graphique par capteur, une échelle chacun : un palier d'un seul capteur s'y voit). Imprime aussi la **table de la médiane commune** (une ligne par pas de `--pas` : l'heure et l'écart à la médiane de la fenêtre de `x`, `y`, `sigma0`) avec le minimum et le maximum de chaque colonne et leur instant, puis les instants où au moins `--min` capteurs dépassent ensemble, avec leurs noms. Trois PNG de plus, **residus-corr_x**, **residus-corr_y**, **residus-error_value** (`--residus`) : un petit graphique par capteur de la colonne moins le niveau propre du capteur (sa médiane sur la fenêtre ; avec `--hors T1/T2`, celle du reste de la fenêtre, hors du moment lu), une échelle chacun, zéro en pointillé : un écart de quelques centièmes sur `corr`, caché dans les bandes parallèles de `graphique.py`, s'y voit ; imprime pour chaque capteur le niveau, le bruit propre (médiane des écarts entre deux mesures) et l'écart min/max par pas avec leur instant, en unités et en bruits. Les graduations du PNG « commun » sont toutes les 1 à 12 h selon la fenêtre. Pour dater un début, une fin ou un retour à 15 min près, relance sur la fenêtre utile avec `--pas 15min`. **Regarde les PNG avec Read** | | `.venv/bin/python agents/diagnostic/outils/vignettes.py --capteurs A,B --heures T1,T2 [--rayon 100] [--sortie D]` | Une planche de vignettes à pleine résolution : une ligne par capteur, une colonne par heure, centrées sur la position brute (`x`, `y`) du capteur ; pixels non retouchés, l'éclat se compare d'une vignette à l'autre. **Regarde-la avec Read** : une image entière lue par Read est réduite, un petit réflecteur y devient illisible | | `ls /images/ \| grep TZ`, puis Read sur le fichier trouvé (Read ne prend pas de motif) | L'image entière de la caméra à cette heure (UTC), pour la scène (occultation, éclairage, météo) | @@ -36,7 +36,7 @@ Lance-les depuis la racine du dépôt. Ils rendent des valeurs, jamais des verdi ## La méthode 1. **Inventaire** : ce qui est disponible, ce qui manque (fichiers, images, période, cadence, capteurs). Sur un lot, relance-le avec `--debut`/`--fin` du lot : les pas absents et les rejets du lot, datés ; ceux de la période entière ne disent rien du lot. -2. **Large d'abord** : `ensemble.py` sur le lot, d'abord ; la médiane de `x`, `y` (position brute, références comprises) et `sigma0` dit ce que la caméra fait, avant de lire `corr` ; lis la table imprimée (heure, valeur) pour dater le début, la fin et le retour du mouvement et pour voir un niveau qui ne revient pas, et ne les devine pas sur l'axe du PNG : un creux de `corr` qui suit un mouvement de la médiane brute est le reste de la compensation, pas un mouvement propre des capteurs touchés ; les petits multiples d'`error_value` montrent un palier durable d'un capteur, le compte les instants où beaucoup de capteurs montent ensemble. Puis `graphique.py` sur tous les capteurs, `error_value` puis `corr_x`, `corr_y` (ou `relative_x`, `relative_y`), références et cibles ; `resume.py` sur ces colonnes avec un pas large (6h ou 1d). +2. **Large d'abord** : `ensemble.py` sur le lot, d'abord ; la médiane de `x`, `y` (position brute, références comprises) et `sigma0` dit ce que la caméra fait, avant de lire `corr` ; lis la table imprimée (heure, valeur) pour dater le début, la fin et le retour du mouvement et pour voir un niveau qui ne revient pas, et ne les devine pas sur l'axe du PNG : un creux de `corr` qui suit un mouvement de la médiane brute est le reste de la compensation, pas un mouvement propre des capteurs touchés ; les petits multiples d'`error_value` montrent un palier durable d'un capteur, le compte les instants où beaucoup de capteurs montent ensemble. Sur tout lot, sans attendre un soupçon, regarde les PNG **residus** (`corr_x`, `corr_y`, `error_value`) : chaque capteur face à son propre niveau, c'est là que se voient un capteur seul qui monte ou descend, un `corr` qui dérive de quelques centièmes, un palier propre à un capteur sous un mouvement commun ; la table dit de combien (en bruits) et quand. Puis `graphique.py` sur tous les capteurs, `error_value` puis `corr_x`, `corr_y` (ou `relative_x`, `relative_y`), références et cibles ; `resume.py` sur ces colonnes avec un pas large (6h ou 1d). 3. **Puis zoome** : `resume.py` à 1h ou 15min, et `graphique.py` sur les fenêtres et les capteurs qui bougent. 4. **Chaque capteur face à son propre niveau habituel** (sa médiane et sa MAD), jamais à un seuil absolu ; sur un lot, le niveau se calcule sur le lot (`--niveau fenetre`, `ensemble.py`), pas sur la période entière. 5. **Les images** : vignettes espacées, une toutes les 2 à 3 h, plus serrées là où les courbes bougent, toujours avec un capteur témoin non touché, à une heure avant, pendant et après (à la même heure de la journée si possible) ; l'image entière pour la scène (occultation, éclairage, météo). diff --git a/agents/diagnostic/outils/ensemble.py b/agents/diagnostic/outils/ensemble.py index 3aba439..8ca6658 100644 --- a/agents/diagnostic/outils/ensemble.py +++ b/agents/diagnostic/outils/ensemble.py @@ -2,7 +2,7 @@ Usage : .venv/bin/python agents/diagnostic/outils/ensemble.py data/PS_DES_COUDRES/ [--colonnes x,y,sigma0] [--colonne error_value] [--pas 1h] [--k 5] [--min 5] - [--capteurs A,B] [--debut ...] [--fin ...] [--sortie DOSSIER] + [--residus corr_x,corr_y,error_value] [--hors T1/T2] [--capteurs A,B] [--debut ...] [--fin ...] [--sortie DOSSIER] Chaque capteur est comparé à son propre niveau sur la fenêtre --debut/--fin (médiane et MAD de la fenêtre). Deux PNG, dont les chemins sont imprimés : @@ -12,6 +12,12 @@ Deux PNG, dont les chemins sont imprimés : (défaut error_value) dépasse sa médiane de plus de --k MAD à chaque pas. 2. « multiples » : un petit graphique par capteur (références d'abord) de --colonne, médiane par pas de --pas, trait pointillé = médiane de la fenêtre ; chaque graphique a son échelle, un palier se voit. +3. « residus- » (un PNG par colonne de --residus, défaut corr_x,corr_y,error_value) : un petit graphique par + capteur de la colonne moins le niveau propre du capteur (sa médiane sur la fenêtre, ou hors de --hors T1/T2 si + donné : le niveau est alors celui du reste de la fenêtre, pas celui du moment lu), une échelle par capteur, zéro en + pointillé ; un écart de quelques centièmes sur une colonne `corr` que les bandes parallèles de `graphique.py` cachent + s'y voit. Imprime, par capteur, le niveau, le bruit propre (médiane des écarts entre deux mesures consécutives) et + l'écart minimum et maximum de la médiane par pas de --pas, avec leur instant, en unités de la colonne et en bruits. Imprime aussi la table de la médiane commune (une ligne par pas de --pas : heure, écart à la médiane de la fenêtre pour chaque colonne de --colonnes) puis le minimum et le maximum de chaque colonne avec leur instant ; pour dater un début ou une fin à 15 min, relancer sur la fenêtre utile avec --pas 15min. @@ -52,6 +58,8 @@ def main(): a.add_argument("--pas", default="1h", type=duree) a.add_argument("--k", type=float, default=5, help="écart compté, en MAD de la fenêtre") a.add_argument("--min", type=int, default=5, help="nombre de capteurs à partir duquel un instant est imprimé") + a.add_argument("--residus", default="corr_x,corr_y,error_value", help="colonnes tracées moins le niveau propre de chaque capteur ('' : aucune)") + a.add_argument("--hors", help="T1/T2 : le niveau propre des résidus se calcule hors de ce moment") a.add_argument("--capteurs", help="liste séparée par des virgules (défaut : tous)") a.add_argument("--debut", type=instant) a.add_argument("--fin", type=instant) @@ -63,7 +71,11 @@ def main(): sys.exit(f"Aucun export « advanced » dans {o.dossier} (voir inventaire.py).") noms = o.capteurs.split(",") if o.capteurs else sorted(par, key=lambda s: (not est_reference(par[s]), s)) colonnes = o.colonnes.split(",") - for demandes, connus, quoi in ((noms, par, "Capteurs"), (colonnes + [o.colonne], COLONNES, "Colonnes")): + residus = [c for c in o.residus.split(",") if c] + hors = tuple(instant(x) for x in o.hors.split("/")) if o.hors else None + if hors and len(hors) != 2: + sys.exit("--hors attend T1/T2.") + for demandes, connus, quoi in ((noms, par, "Capteurs"), (colonnes + residus + [o.colonne], COLONNES, "Colonnes")): absents = [x for x in demandes if x not in connus] if absents: sys.exit(f"{quoi} inconnus : {', '.join(absents)}. Connus : {', '.join(sorted(connus))}.") @@ -168,6 +180,46 @@ def main(): fig.savefig(multiples, dpi=100, bbox_inches="tight") print(multiples) + # 3. résidus : chaque capteur moins son propre niveau + for col in residus: + fig, axes = plt.subplots(lignes, 5, sharex=True, figsize=(18, 2.5 * lignes), squeeze=False) + print(f"\n{col} moins le niveau propre ({'hors ' + o.hors if hors else 'médiane de la fenêtre'}), médiane par pas de " + f"{int(o.pas.total_seconds() // 60)} min :") + print(f"{'capteur':9}{'niveau':>10}{'bruit':>10}{'écart min':>11} {'à':<17}{'(bruits)':>9}{'écart max':>11} {'à':<17}{'(bruits)':>9}") + for ax, s in zip(axes.flat, noms): + ms = [m for m in series[s] if m[col] is not None] + ref = [m for m in ms if not hors or not hors[0] <= m["t"] <= hors[1]] or ms + lv = niveau(ref, col) + if not lv: + ax.axis("off") + continue + d = [abs(b[col] - a_[col]) for a_, b in zip(ms, ms[1:])] + bruit = statistics.median(d) if d else 0 + pas = {} + for m in ms: + pas.setdefault(t0 + ((m["t"] - t0) // o.pas) * o.pas, []).append(m[col] - lv[0]) + pm = {t: statistics.median(v) for t, v in pas.items()} + ax.plot([m["t"] for m in ms], [m[col] - lv[0] for m in ms], "-", lw=0.4, color="0.7") + ax.plot(list(pm), list(pm.values()), "-", lw=1.1, color="C0") + ax.axhline(0, color="C3", ls=":", lw=0.8) + ax.set_title(s + (" (réf.)" if est_reference(ms) else "") + f" bruit {bruit:.2g}", fontsize=9) + ax.grid(alpha=0.3) + ax.tick_params(labelsize=7) + ax.xaxis.set_major_locator(mdates.AutoDateLocator(minticks=2, maxticks=5)) + ax.xaxis.set_major_formatter(mdates.DateFormatter("%d/%m\n%Hh")) + lo, hi = min(pm.items(), key=lambda x: x[1]), max(pm.items(), key=lambda x: x[1]) + f = lambda v: f"{v / bruit:9.1f}" if bruit else f"{'-':>9}" + print(f"{s:9}{lv[0]:10.4g}{bruit:10.3g}{lo[1]:11.3g} {iso(lo[0]):<17}{f(lo[1])}{hi[1]:11.3g} {iso(hi[0]):<17}{f(hi[1])}") + for ax in list(axes.flat)[n:]: + ax.axis("off") + fig.suptitle(f"{station} : {col} moins le niveau propre de chaque capteur, médiane par pas de " + f"{int(o.pas.total_seconds() // 60)} min (bleu), mesures (gris) ; une échelle par capteur (heures UTC)") + fig.tight_layout() + chemin = base.format(f"residus-{col}") + fig.savefig(chemin, dpi=100, bbox_inches="tight") + plt.close(fig) + print(chemin) + print(f"\nInstants où au moins {o.min} capteurs ont {col} > médiane de la fenêtre + {o.k:g} MAD :") for t, hauts in qui.items(): print(f"{iso(t)} {len(hauts):3} {','.join(hauts)}") diff --git a/vues-deplacements/aiguiser/2026-10-26T1149Z_NORDEND/lot-01/modification-3.md b/vues-deplacements/aiguiser/2026-10-26T1149Z_NORDEND/lot-01/modification-3.md new file mode 100644 index 0000000..b6c736a --- /dev/null +++ b/vues-deplacements/aiguiser/2026-10-26T1149Z_NORDEND/lot-01/modification-3.md @@ -0,0 +1,21 @@ +# Modification 3 : lot 01, NORDEND + +## Défaut traité +D1 (résidus de `corr_x` / `corr_y` capteur par capteur, et le mode d'emploi qui dit de les regarder sur tout lot) et D2 (chaque capteur face à son propre niveau, ses écarts à ce niveau par pas). + +## Ce qui a changé +- `agents/diagnostic/outils/ensemble.py` : options `--residus` (défaut `corr_x,corr_y,error_value`) et `--hors T1/T2`. Un PNG `residus-` par colonne : petits multiples, un par capteur, colonne moins le niveau propre du capteur (médiane de la fenêtre, ou du reste de la fenêtre hors `--hors`), une échelle chacun, zéro en pointillé. Table imprimée par capteur : niveau, bruit propre (médiane des écarts entre deux mesures consécutives), écart min et max de la médiane par pas, avec instant, en unités et en bruits. Aucun seuil ni verdict. Les sorties et options existantes restent. +- `.claude/skills/lire-les-donnees/SKILL.md` : tableau (options, PNG residus et table) ; étape 2 : regarder les PNG residus sur tout lot, sans attendre un soupçon. + +## Essai +- `.venv/bin/python agents/diagnostic/outils/ensemble.py out/pompage/NORDEND --debut 2026-09-01T00:00Z --fin 2026-09-04T00:00Z --sortie /modification-3/` : trois PNG residus regardés avec Read. `corr_x` : PR18 −0,055 (−8,7 bruits) le 09-02 08:00 et +0,04 le 09-02 04:00, PR17 et PR12 creux le 09-02, PR15 −0,081 (−16 bruits) et PR14 +0,051 (+10 bruits) le 09-03 23:00 ; `corr_y` : PR16 −0,034 le 09-03 23:00 ; `error_value` : PR04 et PR07 à 0,65 et 0,53 le 09-03 23:00, PR08 palier haut dès 09-03 ~06:00, CTR01 bosse quotidienne. +- Avec `--residus error_value --hors 2026-09-01T08:00Z/2026-09-03T18:00Z` : le niveau est calculé hors de ce moment (niveau de PR04 0,076 au lieu de 0,079), sortie conforme. + +## Commandes des fiches relancées +0 commande citant `ensemble.py` dans les fiches : rien à relancer. + +## Pas fait +- Le palier journalier de PR04 (×2 le jour) reste peu visible : pas de découpage jour/nuit automatique (rien de propre à une date) ; le lecteur choisit `--hors`. + +## Difficultés +- Les PNG du dossier `modification-3/` sont ceux de l'essai ; l'essai avec `--hors` n'est qu'en table (le PNG error_value a été régénéré sans `--hors`). diff --git a/vues-deplacements/aiguiser/2026-10-26T1149Z_NORDEND/lot-01/modification-3/NORDEND_commun_20260901T0000Z_20260904T0000Z.png b/vues-deplacements/aiguiser/2026-10-26T1149Z_NORDEND/lot-01/modification-3/NORDEND_commun_20260901T0000Z_20260904T0000Z.png new file mode 100644 index 0000000000000000000000000000000000000000..93ace2fedc74cfb9139f321db044742b03849ae1 GIT binary patch literal 233351 zcmeFZcR1Gn`#ydfA(;`fqfk~PWXlYZ2-!P(W$)}QFFPwF$(B8{6Op~i%pM^t{H|y3 z_xp3akK=p%{`mdz{p;HKMhpod4PT$BaxCrX9o$T|MC={Uq@(1mMXs$U54TX9nDX!|8x-sqI zs`~5%duMz95mRjPqwUL&F131SE4k>-L7VFwwJQwTu5*FHm5(KdoL~)<<$mq$8Qi6?J3AQd^s2O( z7NEex5;~lEX`k_&jcm$&y^w<27-wK`Fmu>K`RP-?^`bfge0==Nqp>L|;bCF8afyi% zIZq8%zGqfnoS%|lebiLa)6~SR(2UH=V(3ZY!st%q+;&W_^vO+iko!70oyMKhvatK3 z=4X0q7js5LPmhAJscBYyJ+;e}z08!9zWRF_Su0*D_&l_3i!tXMxcz9WbHQ{SleSHf z>{^wdEh^^Q$@Mn28QQN4yYtL=?meFJ-23*SsAy|@e*aFWBzl@6c7^8jtW+lE$;sib zXrDhAxoOUnMb-1T^}i=9UH|NM8hK-!IT1M4Xdg|^o(GAZttx%DsPL-YdSx;6K{<)v z-ms-lfeBg1qPi^sHl13YEy_XtyY!r#oLgSu?dT|tQo~D3kKY9B?>icsnA~7w#9)+( zYTK-ujhdL4SaCl;KWtj47}ag%oAn$dPf?J(j2s)``Q#Vr&A&G%W8YMM{D|90>%lhT zx_~cqycoOVDzxL?;Ce8uzWa@DRv#wq2o`r?IYq$9Lg7lu%RXW9su_3It=jdXfOT`> zhS}{-bv>^@`-P6V0eQ~$wosA<&76v~+=JPZgLRdet*wN-IvB&n+*j7(ws((WOI)^f z`O_4I&h`h7`h3p)^Hg#>9M@OAmP{8POPrYAh3;0vp{~%ukP6B-QzF>#XKxzDJl{^s70%Db+y-+kfoD2# z7`=X%t{4_^MoKfH^p|^*?MKrE(g=QL_=s>c9vLbmb6=`+*$(Pl5SN#~vekHM!=_cq zwoK`|ztW#{*8qL1>EhgbLV&>#;>1&4w_nC)Je0@|OjBeHWAMH>oo$8H-|G|YjJvHu zAKOJABWnlCx$vn^#9yZTtp@pDn&9qkV)*&j~3FbWD%aVO)c`&FMfV58d6t(*~R|64D&_08&g?XnLsKBDef&{ehCi~*p2<0R_wph9OEz)N!y)& zZWd@2vV@(bb1cwZ9AWEv9Xx|GL0UEKOoe;p3L47X+&oFxgO}H8%y%J5ki#_HZEtzb zpHL*kd|X=6D;Q$9+;c@mg7ZH=MHdRIW?EngrsvA(eEx8a6lw)i*;J!RNlDpftUC%! zIZs-THF)r;6=?L&mA!j<`|H=Q->0Uga<<}g)7|g9S4;~t=}yQjE#+E0o>=?pd}y3Z z#;yr5+qbs1mLOMfDNe<1;1P3s0}_BxAM)~6N6I&Mk3Fj)W<60>eg)?hVp~t@0}`z& zn@GibaNLtPh}|1#$@M(#_b+o0rJSyfzsQhMRwm}5#FvwoH>#aJKUpuPxNkv<`f+}` z9nDeY)J@nl8!fn1jgga+17YJy{&13z8#k}@1ZkRSYY;vX@sZ6|nFk?_Z^qTArK|yt z2n#2tjHxM;uFu&)k^}7O6-R+o*ZI(+qlIX}!aC!xLzs}9g{X|tYAW_fz zflYE(Tu%PF*H+EXClGnd%Xz51_WO?xM)lB8eIlo9a&mHS`_1lJjg=7i5Yl+%=8Y(; z-~7}heN$z&Yh$vjpsMcFh}*|TFChM7!CoBPTt-(gWH^%L|@v;0V1RPo5 zG|#Vibd5N1A56r1l?tbMVGFzcd93F0JFnN9v%wy3+bTIN4MQ-$m`2d~$JEQdK~_*AQ7CLa)-5I{6#a9zBbqK_=a3MUoSa;}QPyoZ zlfq+u6;u54+Hn49R+8ip766wa#`B$E(YNp3VOC8!$OjKfaTMe#rcG?|#Po?k+$Km| z+B?pgzV&XPh^CiGDLvu|3u$65!!OD5O+62#wbNr2&mtOqB7#*>kRkPPCnBA>Y?`mJJ&~!Szy)&euWUxEm zZdW&LW@97$=+R|Gkz?bH@lVX56LMC7HpWT}FnDdILOy=H0~vgw>Eev@{C8E;-0a0U zU%f78gft_q`%0!FM!OFCPv#6yzYOn_%c2*5?rk^=_6n@Cv1ydhFE8IpE^~BhKvu|k zb0V-%tE$C}=VAWvJjBb6uxqR(Mx6v!)3w)_VlTsCNfLCiX;Hh9=9Me_OeXD-v(Mwo z##f8KH;W3YSpQ)+vSdzoWhhW%m5!#RIh(bpkluUzd+7JOlWC`=q<&5ACbW#c;I3Ha zg;qk*HrUXF@L$`eGqMyu+m6f3sYKs=;^c&L1)8)uI{zH+mAW6SRsVTM=edJMNkx^- zH>Q)fzBOX0?s%9qmMqyhTeQ+!>9X&!8foOp-Mz6vJ*MonIaZ3X&>0;(ZPWSwamtUq zNcT84# zAbm$5zq8^s8ZR?J`O46`VZQv?8~HoSP9Uv%^?i!nTp;;;yt*zLYGb;N{6&TrF8~S5 zPvdyGgQ0{XM<~dS9b40NDtA=W3w7$q2!b(G-YcvQc(w);%1BFNHJ+^H>)yFe>?C`W zLGG1Y&ecBA3r}TIsa?PeE~yUd27+F;qZ1gedyb>m^8 zGob9}+d{e4lLeeUnw4ruhPN}=jF;W2E%=%4!C_DXOIzSPTI#s^l-T#EjYO%fhcU5R zDov66&}G_bG^c!enq5W71G1zPY94a1yW<1^k!P6njr#-gkK!eWF#Bz)!pXv=0RJ*e zp$uQX`~<@p`~ICCok%8%`gYL6%%o#QpHlMR~J^OXng-AY0)cmid zZljq)_Xb0I`_gK&eg^nx_S3aaT(f$X0%?l%^I@!6#f&CYBA%|=<76D#ED3ROH!IGj zZ@(~}mZ9@<>~S>x^gOP6X`aSqsy_$Wo1N4z6?z=$y!K;o#HdBRJ$p_qM+%71LSScz z?>7{A=F&#XVA9V3#M0rgEc<6%ukPt=p;Ngn^QW1ujc6U%mT-j#*RQv8%TL`tP7bQf z>c}j~-b|hqTO2!s)X-T^cT9i)zVNIhcVQQkbIH?-C>p`5v_DOIQ*V=zk%cwuKOt@3 z8g`OF0wq_Baif2_z&X=DA2_tu*Feg#u(r=BGW_O!Z&jnFQ#>-u+ zD*AH&E3C}5s&k(|3v^tAl#$Y0?Cg*0kLJS{67Jc~2$dETD3D4iYgbsrY(fy;@->4`v^uu<^ zB`V^Bq~pDxMgW|V3T)z=7O}b0uyUf}Zq?Lv?qs&*GbPb89s%^9#4^;c;#t)VAtq^* z=!++IQ+AE_JJW39JM4@ZMOV}n7*`6$b05UvQ}OE0)Vr~;v$tR2tp9E_h(0HN_2$(_ zb<-3KGalQ*NSOdRx1abE!}RkB5t?*fYfAWaj|T!|EG#Vku_!HfKd_L^d8+V+=Q7k= zaD<%eXhbpykqsg@?M@PJJymW0p|G%hs^;ZxzYN{2w8`B3B?KHB=|b7D`17aH_DqA$ z9eMRpj|ubK_Iiq;nPb+_<% zdbU;T&|}7)Jo_0S1zM=2-=|&y*5xy!XkoIzz`&zFdwoVTN)_pKf)^zQtq4|`gM%C0 zI65>GfSmqBZHGtusr~V_TQ&{OQZCV5jYWerw2gi7u9@*H~OmQ=8S8UeC%R==asoVx-VbnkWT#ZXe$SNqn zGchqa`qj;ujrJ|dW@w_WmkW4-R&)xiQzJ5rsT8x49O>o&a;Z94b$UvvA2!X_ZNS^`!(%! z@UMKdZkxTIr~0w_c<ks0O$vLz`0PslGc{RXM!@=^ehQOFTcvEY%YsAv! zcYCGD)`s9p-hyq})A8JiL8{K3bfM*nLe8p5{Hn>wi?eN?eiNAlQO_g06~|fv>=Hne zsP6`-+)Z9-Kl>Q#4Y}(RlQIGm*poIdVG2+`pumgB?-SgvCxI%9Hw9lJ2(P)5&L^V2 zUP#+{+=PXVtu2I@ac3nv+PSu`+qld*ceNK|=*xY(XV0Du>`7`AjwoWkrO%pa2KwgU z1Js4{<%5c?!iQ6_JMVA&Qr%5+nK5^{zTJ4r;cM5O@SBv3%n8fSI8b0n3b7$1Z{>=9sB@%9#hT@5Llq*89G(wYh-Ry>LkLWm=k{(+exv3p@A zR`zD~udl4TgG!>!hNV9M3I}&CG+%#_8gtj)TfKYST{!L0dp6;UnWFNWtN*={oAUoz zNfq;Nv9d}wN_S>;)T6H#-rA%3^6gt-MOsYo`uh69zZddFUpju8V(#t+lX%KQ8gPIjyG@KT=gb%6HT^E41pcZz{yFt-E`qSu!owXw+G@03!ic* z=Q!lUi@$WkRx>tTK$mfg*Wonz;dm%>dI-!JO*lEHB8B6J{QOql zg=CQ7$-UwHtvr_DPT!`nn z_^?4W*P8X0j?++@YUUF$hM2ZEK~mfb!9HMYXb$7fVU1+qY&trsL`q}isp1xoQt@3p z_?hZ2M(+z5fl1r@9W}tiCwZ!4)%HeHwY6CX&Z~|B2z3N8k>0PF9!ksaTb^ABpK`kg zsMa?XxM$57bZ%R6H$@x&9xamnyRgC)qVKbqtC-`@3i3N6ekVY6P5+P3AE05vlU=^O zxo>7}zUttxI}?|l9#!-5r{VC&XBrLe_bY8@Y5Cms%be1z8s67(GVRgqADpLu6&X&S z;ZIxt@pMf2cvZ(nFN#YvqD5R9s zs-F|1PHuLXq&<(u%-f0x~$E00&6ec{?}N z4-y|108t4qFX04Ey(khzezfP$pCf?kAIe)VoBb{!^%|6r>D53q)jGIoFX6B@!0px(kJq%a1_tl)SdbfMD-bZsQJh*}AjM5RGAzueHcpP?= zO9NQF186VAvbceaP%d#L&zNr6r?bYx(#lji$8m=u!|8U7T7!s$*w4{`i@|oBiX@OirZv0@&MxgHcw1Z z-2LQP8SYa{^_z7F6ilC>Q|XVLjQ#38GHfJm+4Tpj_rXum=Dw-w&yiS5