def _simul_con_extern(extern, ref, var_ref='Vacío', fecha=True):
f_inic = '2000-01-01' if fecha else None
res = ModeloPrueba(unid_tiempo='días').simular(t=EspecTiempo(
10, f_inic=f_inic),
extern=extern)
npt.assert_equal(res[var_ref].vals.values.reshape(np.array(ref).shape),
ref)
def test_diario(símismo):
mod = ModeloPrueba(unid_tiempo='días')
mod.conectar_var_clima('Vacío', 'بارش', conv=1, combin='total')
res = mod.simular(EspecTiempo(100, f_inic=símismo.fechas[0]),
clima=símismo.clima,
vars_interés='Vacío')
npt.assert_equal(res['Vacío'].vals[:, 0], símismo.lluvia[:101])
def test_simul_guardar_cada_2(símismo):
for nmb, mod in símismo.modelos.items():
with símismo.subTest(mod=nmb):
res_paso_1 = símismo.res[nmb]['Lago'].vals.values[::2]
res_paso_2 = mod.simular(t=EspecTiempo(200, guardar_cada=2),
extern=símismo.vals_inic,
vars_interés=['Lago'
])['Lago'].vals.values
npt.assert_equal(res_paso_1, res_paso_2)
def test_simul_con_paso_2(símismo):
for nmb, mod in símismo.modelos.items():
with símismo.subTest(mod=nmb):
res_paso_1 = símismo.res[nmb]['Lago'].vals.values[::2]
res_paso_2 = mod.simular(t=EspecTiempo(100, tmñ_paso=2),
extern=símismo.vals_inic,
vars_interés=['Lago'
])['Lago'].vals.values
npt.assert_allclose(res_paso_2, res_paso_1, rtol=0.001)
def test_guardar_cada_con_fecha(símismo):
mod = ModeloPrueba(unid_tiempo='días')
res = mod.simular(
t=EspecTiempo(10, '2001-01-01', guardar_cada=2))['Escala']
npt.assert_equal(res.vals, np.arange(11, step=2).reshape((6, 1)))
pdt.assert_index_equal(res.vals.indexes[_('fecha')],
pd.date_range('2001-01-01',
periods=6,
freq='2D'),
check_names=False)
def test_anual(símismo):
mod = ModeloPrueba(unid_tiempo='año')
mod.conectar_var_clima('Vacío', 'بارش', conv=1, combin='total')
res = mod.simular(EspecTiempo(2, f_inic=símismo.fechas[0]),
clima=símismo.clima,
vars_interés='Vacío')
ref = np.array([
np.sum(x) for x in [
símismo.lluvia[:366], símismo.lluvia[366:366 + 365],
símismo.lluvia[366 + 365:366 + 365 + 365]
]
])
npt.assert_equal(res['Vacío'].vals[:, 0], ref)
def test_bloques(símismo):
tmñ_bloques = [4, 5, 3]
mod = EjBloques(tmñ_bloques=tmñ_bloques, unid_tiempo='meses')
mod.conectar_var_clima('ingreso_paso', 'بارش', conv=1, combin='total')
mod.conectar_var_clima('ingreso_bloque',
'بارش',
conv=1,
combin='total')
mod.conectar_var_clima('ingreso_ciclo', 'بارش', conv=1, combin='total')
n_días = [
31, 29, 31, 30, 31, 30, 31, 31, 30, 31, 30, 31, 31, 28, 31, 30, 31,
30, 31, 31, 30, 31, 30, 31
]
sum_cum = np.cumsum(np.append([0], n_días))
ref_paso = np.array([
np.sum(símismo.lluvia[sum_cum[x]:sum_cum[x + 1]])
for x in range(24)
])
sum_cum_bloq = np.cumsum(np.append([0], np.tile(tmñ_bloques, 2)))
ref_bloques = np.repeat(
np.array([
np.sum(
símismo.
lluvia[sum_cum[sum_cum_bloq[i]]:sum_cum[sum_cum_bloq[i +
1]]])
for i in range(len(sum_cum_bloq) - 1)
]), np.tile(tmñ_bloques, 2))
ref_ciclo = np.empty(24)
ref_ciclo[:12] = np.sum(símismo.lluvia[:np.sum(n_días[:12])])
ref_ciclo[12:] = np.sum(símismo.lluvia[np.sum(n_días[:12]):])
pruebas = {
'ingreso_ciclo': ref_ciclo,
'ingreso_paso': ref_paso,
'ingreso_bloque': ref_bloques
}
res = mod.simular(EspecTiempo(23, f_inic=símismo.fechas[0]),
clima=símismo.clima)
for prb, ref in pruebas.items():
if prb in ['ingreso_paso', 'ingreso_bloque']:
continue
with símismo.subTest(prb):
npt.assert_equal(res[prb].vals[:, 0].values, ref)
def test_mensual(símismo):
mod = ModeloPrueba(unid_tiempo='mes')
mod.conectar_var_clima('Vacío', 'بارش', conv=1, combin='suma')
res = mod.simular(EspecTiempo(2, f_inic=símismo.fechas[0]),
clima=símismo.clima,
vars_interés='Vacío')
ref = np.array([
np.sum(x) for x in [
símismo.lluvia[:31], símismo.lluvia[31:31 +
29], símismo.lluvia[31 +
29:31 +
29 +
31]
]
])
npt.assert_equal(res['Vacío'].vals[:, 0], ref)
def test_deter(símismo):
mod = EjDeterminado(tmñ_ciclo=30, unid_tiempo='días')
mod.conectar_var_clima('ingreso_ciclo', 'بارش', conv=1, combin='total')
mod.conectar_var_clima('ingreso_paso', 'بارش', conv=1, combin='total')
ref_paso = símismo.lluvia[:360]
ref_ciclo = np.repeat(
np.array([
np.sum(símismo.lluvia[x * 30:x * 30 + 30]) for x in range(12)
]), 30)
pruebas = {'ingreso_ciclo': ref_ciclo, 'ingreso_paso': ref_paso}
res = mod.simular(EspecTiempo(30 * 12 - 1, f_inic=símismo.fechas[0]),
clima=símismo.clima)
for prb, ref in pruebas.items():
if prb == 'ingreso_paso':
continue
with símismo.subTest(prb):
npt.assert_equal(res[prb].vals[:, 0].values, ref)
def validar(símismo,
t,
datos,
paráms=None,
funcs=None,
vars_extern=None,
corresp_vars=None):
"""
Efectua la validación.
Parameters
----------
t: int or EspecTiempo
La especificación de tiempo para la validación.
datos: xr.Dataset or xr.DataArray or str or pd.DataFrame or dict or Fuente or list
La base de datos para la validación.
paráms: dict
Diccionario de los parámetros calibrados para cada lugar.
funcs: list
Funciones de validación para aplicar a los resultados.
vars_extern: str or list or Variable
Variable(s) exógenos cuyos valores se tomarán de la base de datos para alimentar la simulación y con
los cuales por supuesto no se validará el modelo.
corresp_vars:
Diccionario de correspondencia entre nombres de valores en el modelo y en la base de datos.
Returns
-------
dict
Validación por variable.
"""
t = t if isinstance(t, EspecTiempo) else EspecTiempo(t)
if not isinstance(datos, xr.Dataset):
datos = datos if isinstance(datos, BD) else BD(datos)
datos = datos.obt_vals(
buscar_vars_interés(símismo.mod, datos, corresp_vars))
funcs = funcs or list(eval_funcs)
vars_extern = vars_extern or []
if not isinstance(vars_extern, list):
vars_extern = [vars_extern]
vars_interés = buscar_vars_interés(símismo.mod, datos, corresp_vars)
vars_valid = [v for v in vars_interés if v not in vars_extern]
vals_extern = datos[list(
{_resolver_var(v, corresp_vars)
for v in vars_extern})]
extern = {
vr: vals_extern[_resolver_var(vr, corresp_vars)].dropna('n')
for vr in vars_extern
}
extern = {ll: v for ll, v in extern.items() if v.sizes['n']}
res = símismo.mod.simular(t=t,
extern={
**paráms,
**extern
},
vars_interés=vars_valid)
vals_calib = datos[list(
{_resolver_var(v, corresp_vars)
for v in vars_valid})]
# Para hacer: si implementamos Dataset en ResultadosSimul este se puede combinar en una línea
valid = {}
for r in res:
vr_datos = _resolver_var(str(r), corresp_vars)
vals_calib_vr = vals_calib[vr_datos].dropna('n')
if vals_calib_vr.sizes['n']:
eje = r.vals[_('fecha')].values
eje_obs = pd.to_datetime(vals_calib_vr[_('fecha')].values)
eje_res = relativizar_eje(eje, eje_obs)
buenas_fechas = xr.DataArray(np.logical_and(
eje_res[0] <= eje_obs, eje_obs <= eje_res[-1]),
dims='n')
datos_r = vals_calib_vr.where(buenas_fechas,
drop=True).dropna('n')
if datos_r.sizes['n'] > 1:
fechas_obs = datos_r[_('fecha')]
interpoladas = r.interpolar(fechas=fechas_obs)
valid[str(r)] = _valid_res(
datos_r.values, interpoladas.values,
pd.to_datetime(datos_r[_('fecha')].values), funcs)
return valid
def validar(símismo,
t,
datos,
paráms=None,
funcs=None,
vars_extern=None,
corresp_vars=None,
clima=None):
"""
Efectua la validación.
Parameters
----------
t: int or EspecTiempo
La especificación de tiempo para la validación.
datos: xr.Dataset or xr.DataArray or str or pd.DataFrame or dict or Fuente or list
La base de datos para la validación.
paráms: dict
Diccionario de los parámetros calibrados para cada lugar.
funcs: list
Funciones de validación para aplicar a los resultados.
vars_extern: str or list or Variable
Variable(s) exógenos cuyos valores se tomarán de la base de datos para alimentar la simulación y con
los cuales por supuesto no se validará el modelo.
corresp_vars:
Diccionario de correspondencia entre nombres de valores en el modelo y en la base de datos.
Returns
-------
dict
Validación por variable.
"""
t = t if isinstance(t, EspecTiempo) else EspecTiempo(t)
if not isinstance(datos, pd.DataFrame):
datos = datos if isinstance(datos, BD) else BD(datos)
datos = datos.obt_vals(
buscar_vars_interés(símismo.mod, datos, corresp_vars))
funcs = funcs or list(eval_funcs)
vars_extern = vars_extern or []
if not isinstance(vars_extern, list):
vars_extern = [vars_extern]
vars_interés = buscar_vars_interés(símismo.mod, datos, corresp_vars)
vars_valid = [v for v in vars_interés if v not in vars_extern]
vals_extern = datos[
list({_resolver_var(v, corresp_vars)
for v in vars_extern}) + [_('fecha')]]
# Para hacer: inter y extrapolación como opción en todas simulaciones, y extrapolación con función según líms
if not np.datetime64(t.f_inic) in vals_extern[_('fecha')].values:
vals_extern = vals_extern.append(
{_('fecha'): pd.to_datetime(t.f_inic)}, ignore_index=True)
vals_extern = vals_extern.sort_values(_('fecha'))
vals_extern = vals_extern.interpolate(limit_area='inside').bfill()
vals_extern = vals_extern.set_index(_('fecha'))
extern = {
vr: vals_extern[_resolver_var(vr, corresp_vars)].dropna()
for vr in vars_extern
}
extern = {ll: v for ll, v in extern.items() if len(v)}
res = símismo.mod.simular(t=t,
extern={
**paráms,
**extern
},
vars_interés=vars_valid,
clima=clima)
vals_calib = datos[
list({_resolver_var(v, corresp_vars)
for v in vars_valid}) + [_('fecha')]]
# Para hacer: inter y extrapolación como opción en todas simulaciones, y extrapolación con función según líms
if not np.datetime64(t.f_inic) in vals_calib[_('fecha')].values:
vals_calib = vals_calib.append(
{_('fecha'): pd.to_datetime(t.f_inic)}, ignore_index=True)
vals_calib = vals_calib.sort_values(_('fecha'))
vals_calib_interp = vals_calib.interpolate(
limit_area='inside').set_index(_('fecha'))
vals_calib = vals_calib.set_index(_('fecha'))
vals_calib.loc[t.f_inic] = vals_calib_interp.loc[t.f_inic]
# Para hacer: si implementamos Dataset en ResultadosSimul este se puede combinar en una línea
valid = {}
for r in res:
vr_datos = _resolver_var(str(r), corresp_vars)
vals_calib_vr = vals_calib[vr_datos].dropna()
if len(vals_calib_vr):
eje = r.vals[_('fecha')].values
eje_obs = pd.to_datetime(vals_calib_vr.index.values)
eje_res = relativizar_eje(eje, eje_obs)
buenas_fechas = np.logical_and(eje_res[0] <= eje_obs,
eje_obs <= eje_res[-1])
datos_r = vals_calib_vr[buenas_fechas]
if len(datos_r) > 1:
fechas_obs = datos_r.index
interpoladas = r.interpolar(fechas=fechas_obs)
buenas = np.isfinite(
r.interpolar(fechas=fechas_obs)).values[:, 0]
valid[str(r)] = _valid_res(datos_r.values[buenas],
interpoladas.values[buenas],
datos_r.index[buenas], funcs)
return valid
def test_guardar_cada(símismo):
mod = ModeloPrueba()
res = mod.simular(t=EspecTiempo(10, guardar_cada=2))['Escala']
npt.assert_equal(res.vals, np.arange(11, step=2).reshape((6, 1)))
npt.assert_equal(res.t.eje(), np.arange(11, step=2))
def test_paso_inválido(símismo):
mod = ModeloPrueba()
with símismo.assertRaises(ValueError):
mod.simular(EspecTiempo(100, tmñ_paso=0))
def test_paso(símismo):
mod = ModeloPrueba()
res = mod.simular(t=EspecTiempo(10, tmñ_paso=2))['Escala']
npt.assert_equal(res.vals, np.arange(21, step=2).reshape((11, 1)))
npt.assert_equal(res.vals.indexes[_('fecha')], np.arange(21, step=2))
def test_simular_t_fecha(símismo):
mod = ModeloPrueba(unid_tiempo='días')
res = mod.simular(t=EspecTiempo(10, '2001-01-01'))['Escala']
pdt.assert_index_equal(res.vals.indexes[_('fecha')],
pd.date_range('2001-01-01', periods=11),
check_names=False)
def test_t_numérico_extern_fecha(símismo):
extern = pd.DataFrame(data={'Vacío': np.arange(4)},
index=pd.date_range('2000-01-02', '2000-01-05'))
with símismo.assertRaises(TypeError):
ModeloPrueba(unid_tiempo='días').simular(t=EspecTiempo(10),
extern=extern)
