"""Le bruit de jour est-il un bruit rapide (turbulence) ou une courbe lente mal compensée ? Pour chaque cible, les pas d'une mesure à la suivante (Δcorr, mesures acceptées, cadence régulière) ; corrélation de deux pas qui se suivent : vers -0,5 pour un bruit blanc (le point revient), vers 0 ou plus pour une dérive ou une vague. Médiane sur les cibles, par tranche d'heures UTC données. Usage (depuis la racine) : python3 alternance.py STATION DEBUT FIN H1-H2 [H1-H2 ...] """ import sys, statistics as st sys.path.insert(0, "agent-tools") import donnees as d nom, t1, t2 = sys.argv[1], d.instant(sys.argv[2]), d.instant(sys.argv[3]) tranches = [tuple(map(int, a.split("-"))) for a in sys.argv[4:]] dans = lambda h, a, b: a <= h < b if a < b else (h >= a or h < b) par = d.charger(f"data/{nom}") cib = {s: [m for m in d.filtrer(ms, t1, t2) if m["corr_x"] is not None] for s, ms in par.items() if not d.est_reference(ms)} ts = sorted({m["t"] for ms in cib.values() for m in ms}) cad = st.median([(b - a).total_seconds() for a, b in zip(ts, ts[1:])]) for a, b in tranches: rs, ampl = [], [] for s, ms in cib.items(): for q in ("corr_x", "corr_y"): p1, p2 = [], [] for m0, m1, m2 in zip(ms, ms[1:], ms[2:]): if (m2["t"] - m0["t"]).total_seconds() > 2.5 * cad or not dans(m1["t"].hour, a, b): continue p1.append(m1[q] - m0[q]); p2.append(m2[q] - m1[q]) if len(p1) > 20 and st.pstdev(p1) > 0 and st.pstdev(p2) > 0: rs.append(st.correlation(p1, p2)); ampl.append(st.median(abs(x) for x in p1)) print(f"{nom} {a:02d}-{b:02d} UTC : corrélation de deux pas voisins {st.median(rs):+.2f} " f"(médiane de {len(rs)} séries), pas médian {st.median(ampl):.4f}")