"""Journal du matin : cycle thermique jour / nuit (la vague quotidienne des déplacements corrigés). Méthode, par cible (hors références globales) et par axe (corr_x, corr_y) : 1. Chaque jour UTC d'au moins 20 h : moyenne de chaque heure moins la médiane du jour (enlève sauts et dérive). 2. Profil = médiane, heure par heure, sur les jours ; « répétabilité » = médiane, sur les jours, de la corrélation entre le jour et le profil des autres jours. Axe concerné si répétabilité ≥ 0,6. 3. Cycle de la station si au moins la moitié des cibles ont un axe concerné. 4. Heures chaudes : niveau de nuit = médiane des 8 heures consécutives les plus plates du profil ; une heure est chaude si, en médiane sur les axes concernés, le profil s'en écarte d'au moins 0,3 fois son amplitude. 5. Un épisode par jour complet, de la première à la dernière heure chaude, si ce jour ressemble aux autres (corrélation médiane ≥ 0,5 sur les axes concernés). Résultats (2026-10-23 ; « cibles » = part des cibles concernées, amplitude = médiane max − min du profil, en px) : | Jeu | corr (ce que voit le client) | x, y bruts | |---|---|---| | PS_DES_COUDRES | 11/11 cibles, 0,17 px, 08-17 h, 5 épisodes | 12/12, 0,55 px, 08-16 h | | NORDEND (juillet, C-002) | 2/18, rien | 18/19, 1,8 px, 06-18 h | | WILDSTRUBEL (C-003) | 3/7, rien | 6/7, 3,2 px, 04-08 h | | CLARIDEN (C-004) | 1/24, rien | 1/24, aucun cycle | | NIEDERHORN (C-005, horaire) | 3/11, rien | 19/30, 4,6 px, ~12 h | | cas 2026-10_NORDEND (11 j) | 9/19, 0,02 px, 08-17 h, sous le seuil (PART = 0,4 : 8 épisodes, sans 08 ni 09/10) | 17/19, 0,78 px, 09-17 h | Lecture : le cycle est presque partout dans les positions brutes (mode commun) et la compensation l'enlève, sauf à PS des Coudres où il reste dans corr, de même forme que dans les positions brutes. """ import os import statistics import sys from datetime import datetime, timedelta, timezone sys.path.insert(0, os.path.join(os.path.dirname(os.path.abspath(__file__)), "..", "..", "agents", "diagnostic", "outils")) from donnees import charger, iso # noqa: E402 HEURES_MIN = 20 # provisoire : un jour UTC compte s'il a au moins 20 heures mesurées REPRO = 0.6 # provisoire : un axe a un cycle si chaque jour ressemble aux autres (bruit pur ≈ 0) PART = 0.5 # provisoire : part des cibles concernées ; 2026-10_NORDEND est juste dessous (9/19) CHAUD = 0.3 # provisoire : écart au niveau de nuit, en part de l'amplitude du profil JOUR = 0.5 # provisoire : ressemblance d'un jour aux autres pour lui donner son épisode NUIT = 8 # heures consécutives du profil les plus plates = niveau de nuit def _corr(a, b): ma, mb = statistics.mean(a), statistics.mean(b) num = sum((x - ma) * (y - mb) for x, y in zip(a, b)) den = (sum((x - ma) ** 2 for x in a) * sum((y - mb) ** 2 for y in b)) ** 0.5 return num / den if den else 0.0 def _axe(ms, col): """-> (profil sur 24 h, {jour: corrélation au profil des autres jours}) ou None.""" jours = {} for m in ms: if m[col] is not None: jours.setdefault(m["t"].date(), {}).setdefault(m["t"].hour, []).append(m[col]) J = {} for d, hs in jours.items(): if len(hs) >= HEURES_MIN: med = statistics.median(v for l in hs.values() for v in l) J[d] = {h: statistics.mean(l) - med for h, l in hs.items()} if len(J) < 2: return None profil = [statistics.median(q[h] for q in J.values() if h in q) for h in range(24) if any(h in q for q in J.values())] if len(profil) < 24: return None ressemblance = {} for d, p in J.items(): autres = [q for e, q in J.items() if e != d] hs = [h for h in p if all(h in q for q in autres)] ressemblance[d] = _corr([p[h] for h in hs], [statistics.median(q[h] for q in autres) for h in hs]) return profil, ressemblance def cycle(mesures, cols=("corr_x", "corr_y")): """-> (axes concernés [(capteur, col, profil, ressemblance)], nombre de cibles évaluées).""" concernes, cibles = [], set() for s, ms in mesures.items(): if ms[0]["pattern_type"] == "global_ref": continue for col in cols: r = _axe(ms, col) if r is None: continue cibles.add(s) if statistics.median(r[1].values()) >= REPRO: concernes.append((s, col) + r) return concernes, len(cibles) def heures_chaudes(concernes): def score(p, h): debut = min(range(24), key=lambda i: max(p[(i + k) % 24] for k in range(NUIT)) - min(p[(i + k) % 24] for k in range(NUIT))) nuit = statistics.median(p[(debut + k) % 24] for k in range(NUIT)) return abs(p[h] - nuit) / (max(p) - min(p)) return [h for h in range(24) if statistics.median(score(c[2], h) for c in concernes) >= CHAUD] def detect(mesures): concernes, n = cycle(mesures) capteurs = sorted({c[0] for c in concernes}) if not n or len(capteurs) < PART * n: return [] chaudes = heures_chaudes(concernes) if not chaudes: return [] jours = sorted({d for c in concernes for d in c[3]}) episodes = [] for d in jours: # ponytail: jours complets seulement, les bouts d'export (22:00 → minuit) n'ont pas d'épisode if statistics.median(c[3][d] for c in concernes if d in c[3]) < JOUR: continue minuit = datetime(d.year, d.month, d.day, tzinfo=timezone.utc) episodes.append({ "start": iso(minuit + timedelta(hours=chaudes[0])), "end": iso(minuit + timedelta(hours=chaudes[-1] + 1)), "kind": "thermique", "label": "Daily thermal cycle", "text": "The structure, the mast and the camera warm up during the day and move very slightly, " "then cool down in the evening: this wave comes back every day and is normal.", "ignore": False, "sensors": capteurs, }) return episodes if __name__ == "__main__": mesures = charger(sys.argv[1]) for e in detect(mesures): print(e["start"], "→", e["end"], e["label"], len(e["sensors"]), "cibles |", e["text"]) for cols in (("corr_x", "corr_y"), ("x", "y")): concernes, n = cycle(mesures, cols) k = len({c[0] for c in concernes}) amp = statistics.median(max(c[2]) - min(c[2]) for c in concernes) if concernes else 0 print(f"{cols[0][:-2] or 'brut'} : cibles {k}/{n}, amplitude médiane {amp:.3f} px, heures chaudes (UTC) {heures_chaudes(concernes) if concernes else '-'}")