Your SlideShare is downloading. ×
0
Le traitement des
très grandes séries de données
_________________________
Francis Massen
Laboratoire de Physique, Lycée C...
2
Le problème:
datalogger à entrées multiples
fréquence d’échantillonnage élevée
durée des mesures quelques mois
x*105
à x...
3
Exemple: oscillations des courants
d’air dans une grotte
____________________________
• Moestroff: période de ~90 s
• Po...
4
Comment traiter ces séries
énormes?
____________________________
Tableur ?
Limite pour Excel 2003 et OpenCalc 2:
65536 l...
5
Travail agréable?
_______________________________
6
Utiliser le logiciel du dataloger?
____________________________
Possible, mais devient problématique
dans un environneme...
7
La solution:
____________________________
Un tableur graphique: 1 cellule = 1 série
•Créé en 1984 par Randy Race et Tony...
8
une série
une autre série
une condensation de
la série
une extraction d’une
partie de la série
9
Exemple d’une macro
____________________________
W = série de 1440 mesures avec dt= 1 min
Ravelx(W,60) =
Transpose(Colme...
10
1er exemple:
séries de 1 million de données
____________________________
Sinusoide (S) et Cosinusoide (C) de
1 million ...
11
2e exemple:
Radon et niveau de l’eau dans le
bassin supérieur de la SEO
(avril-mai 2005): ~130000 données
par série
___...
12
3e exemple:
Radon et niveau de l’eau dans le
bassin supérieur de la SEO
____________________________
• Quelle est la re...
13
Conclusions:
____________________________
• DADiSP est un très bon logiciel pour les
traitements rapides de séries très...
14
Merci de votre attention!
____________________________
Upcoming SlideShare
Loading in...5
×

Le traitement des très grandes séries de données

124

Published on

How to use DADiSP to manage large data series. Examples from speleology.

Published in: Education
0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total Views
124
On Slideshare
0
From Embeds
0
Number of Embeds
0
Actions
Shares
0
Downloads
1
Comments
0
Likes
0
Embeds 0
No embeds

No notes for slide

Transcript of "Le traitement des très grandes séries de données"

  1. 1. Le traitement des très grandes séries de données _________________________ Francis Massen Laboratoire de Physique, Lycée Classique de Diekirch Groupe Spéléologique Luxembourgeois francis.massen@education.lu
  2. 2. 2 Le problème: datalogger à entrées multiples fréquence d’échantillonnage élevée durée des mesures quelques mois x*105 à x*106 de données!
  3. 3. 3 Exemple: oscillations des courants d’air dans une grotte ____________________________ • Moestroff: période de ~90 s • Pour avoir une bonne résolution (et dans l’ignorance à priori de la période): dt = 1 s • Enregistrement sur une semaine: 604800 points de mesures
  4. 4. 4 Comment traiter ces séries énormes? ____________________________ Tableur ? Limite pour Excel 2003 et OpenCalc 2: 65536 lignes, c.à.d. environ 1.5 mois avec une mesure par minute
  5. 5. 5 Travail agréable? _______________________________
  6. 6. 6 Utiliser le logiciel du dataloger? ____________________________ Possible, mais devient problématique dans un environnement hétérogène (loggers différents)
  7. 7. 7 La solution: ____________________________ Un tableur graphique: 1 cellule = 1 série •Créé en 1984 par Randy Race et Tony Purnell (version DOS) •Optimisé pour la vitesse •Plus de mille fonctions scientifiques et du traitement du signal
  8. 8. 8 une série une autre série une condensation de la série une extraction d’une partie de la série
  9. 9. 9 Exemple d’une macro ____________________________ W = série de 1440 mesures avec dt= 1 min Ravelx(W,60) = Transpose(Colmean(Ravel(W,60,1))) Découpage en une matrice de 1440/60 =24 colonnes et 60 ligne. Chaque colonne représente une heure de mesures ) Calcul des moyennes des colonnes (= vecteur à 1 colonne, chaque élément = une moyenne horaire) Réarrangement en vecteur-ligne = série ordinaire
  10. 10. 10 1er exemple: séries de 1 million de données ____________________________ Sinusoide (S) et Cosinusoide (C) de 1 million de points, espacés de 0.001 s fréquence 1 Hz donc 1000 cycles à 1000 points Calculer S*ABS(C) DADiSP Worksheet
  11. 11. 11 2e exemple: Radon et niveau de l’eau dans le bassin supérieur de la SEO (avril-mai 2005): ~130000 données par série ____________________________ Y a-t-il une période cachée dans les signaux? Si oui, y a-t-il un déphasage entre le signal radon et le signal niveau ?
  12. 12. 12 3e exemple: Radon et niveau de l’eau dans le bassin supérieur de la SEO ____________________________ • Quelle est la relation moyenne journalière entre concentration de radon et niveau de l’eau?  calculer les moyennes Radon et Niveau pour chaque heure de la journée  représenter Radon % Niveau et en tirer les conclusions
  13. 13. 13 Conclusions: ____________________________ • DADiSP est un très bon logiciel pour les traitements rapides de séries très longues • Il existe une version gratuite DADiSPSE limitée à 9 fenêtres et 36000 points par série; la version complète est disponible en essai pour 30 jours ( www.dadisp.com) • La version complète ( < 3MB!) coûte $1995.- Protection par signature. Nombreux add-ons disponibles, comme p.ex. Digital Filters, Statistics…. Prix $495 en général.
  14. 14. 14 Merci de votre attention! ____________________________
  1. A particular slide catching your eye?

    Clipping is a handy way to collect important slides you want to go back to later.

×