Commit | Line | Data |
---|---|---|
9dbd32d9 | 1 | #setwd("/Users/bp/Desktop/CONTRATS_AirNormand/2016/RapportFinalBruno") |
d2ab47a7 BA |
2 | rm(list=ls()) |
3 | ||
9dbd32d9 BA |
4 | # Lecture des données: pm = dataframe 2 colonnes, date-time puis PM10 horaire |
5 | pm = read.table("DATA/mesures_horaires_hloc_pm10_a_filer.csv",sep=";",dec=".",header=T) | |
6 | #n = dim(pm)[1] | |
7 | #datedebut = "10/12/2008" | |
d2ab47a7 | 8 | |
9dbd32d9 BA |
9 | # Chargement des données météo et indicateurs: VarExp matrice des données météo, |
10 | # première colonne = date, première rangée = second jour | |
d2ab47a7 BA |
11 | VarExp <- read.table("DATA/meteo_extra_jourMois.csv",sep=";",dec=".",header=T) |
12 | VarExp <- VarExp[-1,] | |
13 | ||
9dbd32d9 BA |
14 | # Lecture des dates: ??? sans doute liste des jours de 10/12/2008 à 06/2016... |
15 | dates = read.table("DATA/Dates_jours.csv",header=F,as.is=T) | |
d2ab47a7 BA |
16 | dates = dates[,1] |
17 | ||
9dbd32d9 | 18 | # Contruction des matrices de données: pm.h = matrice des séries en ligne |
d2ab47a7 | 19 | pm.h <- matrix(pm[,2],ncol=24,byrow=TRUE) |
d2ab47a7 | 20 | Nlignes = nrow(pm.h) |
9dbd32d9 BA |
21 | |
22 | # Data = matrice des couples de jours (séries de 48 PM10), | |
23 | # première ligne = jour 1/2, dernière = jour N-1/N | |
d2ab47a7 | 24 | Data = cbind(pm.h[1:(Nlignes -1), ], pm.h[2:Nlignes, ]) |
9dbd32d9 BA |
25 | |
26 | # dates2 = dates du 2eme jour au dernier | |
d2ab47a7 | 27 | dates2 = dates[2:Nlignes] |
9dbd32d9 | 28 | |
d2ab47a7 BA |
29 | rownames(Data) = dates2 |
30 | # df contient l'ensemble des données. | |
31 | #df <- cbind(Data,varexp[,-1]) | |
32 | df <- Data | |
9dbd32d9 BA |
33 | |
34 | # Complétion des variables exogènes (du 2eme jour) par les PM10 moyen ce même jour | |
d2ab47a7 BA |
35 | PMjour <- apply(df[,25:48],1,mean,na.rm=T) |
36 | dfexp <- cbind(VarExp,PMjour) | |
37 | ||
38 | Dates = c( | |
39 | "16/03/2015", | |
40 | "19/01/2015", | |
41 | "27/04/2015") | |
42 | ||
43 | Categorie = c("Epandage", "Chauffage", "Non Polluée") | |
44 | ||
45 | RepFig = "FIGURES_Etude" | |
46 | ||
47 | ResDates = NULL | |
48 | ||
49 | nbvois=10 | |
50 | j=1 # numéro de semaine | |
51 | ij=6 # numéro du jour (0 = lundi) | |
52 | ||
53 | Err24 = NULL | |
54 | ErrPrev = NULL | |
55 | Kvois = NULL | |
56 | ||
9dbd32d9 BA |
57 | for (Hc in 5:24) |
58 | { | |
59 | H=24+Hc #Hc: dernier PM10 connu avant prédiction des 24-Hc restants, le jour 2 | |
60 | L = 1:H | |
61 | ||
62 | # Premier conditionnement : mois | |
63 | indcond <- dfexp[,"Mois"] == 2 | dfexp[,"Mois"] == 3 | dfexp[,"Mois"] == 4 | |
64 | | dfexp[,"Mois"] == 9 | dfexp[,"Mois"] == 10 | |
65 | data = df[indcond,] #restriction aux couples dont le mois du 2eme jour est 2,3,4,9 ou 10 | |
66 | varexp = dfexp[indcond,] #de même sur les exogènes (+ PM10 moyens) | |
67 | ||
68 | nl = (1:nrow(data))[rownames(data)==Dates[j]] #numéro de ligne où 2eme jour == 16/03/2015 | |
69 | dateJPrev = rownames(data)[nl+ij] # ??? la date du 1er jour du couple de jours pile une semaine après le couple 'nl' | |
70 | dataj = as.numeric(data[nl+ij, 1:48]) #extraction de cette série dans dataj | |
71 | data = data[-(nl + ij), ] #suppression de cette série dans data (????) | |
72 | varexp = varexp[-(nl + ij), ] #idem dans les variables exogènes (date 16/03/2015 + 6 jours | |
73 | indNA = attr(na.omit(data[, 1:48]),"na.action") | |
adf76c2a BA |
74 | data = data[-indNA,] #remove all pairs of days with NAs |
75 | varexp = varexp[-indNA,] #and remove corresponding exogenous variables | |
9dbd32d9 | 76 | |
adf76c2a | 77 | # Second conditionnement : les jours avec PMjour +/- large |
9dbd32d9 | 78 | large = 1 |
adf76c2a | 79 | bornes = mean(dataj[25:48]) + c(-large,large) |
9dbd32d9 | 80 | indcond = varexp[,"PMjour"]>=bornes[1] & varexp[,"PMjour"]<=bornes[2] |
adf76c2a | 81 | data = data[indcond,] #pollution du 2eme jour == pollution du jour courant +/- 1 |
9dbd32d9 BA |
82 | varexp = varexp[indcond,] |
83 | ||
84 | D = rep(0,nrow(data)) | |
85 | for (k in 1:nrow(data)) | |
86 | { | |
87 | #D[k] = sqrt(sum((1:H)*(dataj[L] - data[k,L])^2)) | |
88 | D[k] = sqrt(sum((dataj[L] - data[k,L])^2)) | |
89 | } | |
90 | ind = order(D)[1:nbvois] | |
91 | w = 1/(D[ind]^2) | |
92 | w = w/sum(w) | |
93 | W = w %o% rep(1,48) | |
94 | JourMoy = apply(data[ind, 1:48], 2, mean) | |
95 | #JourMoy = apply(W*data[ind, 1:48], 2, sum) | |
96 | NomFile = paste("Voisins_Epandage_PMjour_Hc_",Hc,".png",sep="") | |
97 | Titre = paste("Jour à prévoir : ",dateJPrev," - ", length(ind)," voisins",sep="") | |
98 | #erreur = sqrt(sum((dataj[25:48] - JourMoy[25:48])^2)) | |
99 | if(Hc==24) | |
adf76c2a | 100 | erreurPrev = NA |
9dbd32d9 BA |
101 | else |
102 | erreurPrev = mean(abs(dataj[(H+1):48] - JourMoy[(H+1):48])) | |
103 | erreur24 = mean(abs(dataj[25:48] - JourMoy[25:48])) | |
104 | #png(NomFile) | |
105 | matplot(t(data[ind, 1:48]), type = "l", lwd=1.4, lty=1, col=1:length(ind), | |
106 | cex.axis=1.4, cex.main = 1.7, cex.lab=1.5, | |
107 | xlab="Heures locales", ylab=paste0("PM10 - Erreurs = ",round(erreur24,1), | |
108 | " / ",round(erreurPrev,1)), main=Titre) | |
109 | legend("top",rownames(data)[ind],ncol=2,lwd=1.4, lty=1, col=1:length(ind)) | |
110 | lines(1:48, dataj, lwd=2.5) | |
111 | lines(JourMoy, lty = 2, lwd=2) | |
112 | abline(v=c(24.5,H+0.5), lty = 2, lwd=1.2) | |
113 | #xx=dev.off() | |
114 | ||
115 | Err24 = c(Err24, erreur24) | |
116 | ErrPrev = c(ErrPrev, erreurPrev) | |
117 | ResDates = cbind(ResDates, rownames(data)[ind]) | |
d2ab47a7 BA |
118 | } |
119 | ||
d2ab47a7 BA |
120 | rownames(ResDates) = 1:10 |
121 | ||
122 | Kvois = NULL | |
9dbd32d9 BA |
123 | for (Col in ncol(ResDates):1) |
124 | { | |
125 | K = 0 | |
126 | for (I in 1:10) | |
127 | { | |
128 | for (J in 1:10) | |
129 | { | |
130 | if (ResDates[I,1] == ResDates[J,Col]) | |
131 | K = K +1 | |
132 | } | |
133 | } | |
134 | Kvois = c(Kvois, K) | |
d2ab47a7 BA |
135 | } |
136 | ||
137 | # pdf("Erreur_Epandage_PMjour.pdf") | |
138 | ymin = min(na.omit(ErrPrev), Err24) | |
139 | ymin = min(ymin, Kvois) | |
140 | ymax = max(na.omit(ErrPrev), Err24) | |
141 | ymax = max(ymax, Kvois) | |
142 | plot(5:24,Err24, type = "l", lwd = 2, cex.axis=1.4, cex.lab = 1.5, | |
143 | ylab = "MAE",xlab = "Heures de prévision", ylim= c(ymin,ymax)) | |
144 | lines(5:24,ErrPrev, lwd=2, lty = 2) | |
145 | legend("topright", legend=c("Erreur 24h", "Erreur prévision"), lty = c(1,2), lwd=2, cex=1.5) | |
146 | points(5:24, Kvois, cex=1.8, pch = 19) | |
147 | # xx = dev.off() | |
148 | ||
9dbd32d9 | 149 | #length(D) |