pydra-core 0.0.1__py2.py3-none-any.whl → 0.0.3__py2.py3-none-any.whl

pydra_core/location/model/statistics/stochastics/barrier/barrier_europoort.py

@@ -1,209 +1,209 @@
-import numpy as np
-
-from scipy.stats import norm
-
-from .barrier import Barrier
-from ..discharge import Discharge
-from ..discrete_probability import DiscreteProbability
-from ..sea_level.sea_level import SeaLevel
-from ..wind_speed import WindSpeed
-from ....loading.loading_model.loading_model import LoadingModel
-from .....settings.settings import Settings
-from ......common.interpolate import InterpStruct
-from ......io.database_hr import DatabaseHR
-
-
-class BarrierEuropoort(Barrier):
-    def __init__(
-        self,
-        settings: Settings,
-        wind_direction: DiscreteProbability,
-        wind_speed: WindSpeed,
-        sea_level: SeaLevel,
-        discharge: Discharge,
-    ):
-        # Inherit
-        super().__init__(settings, wind_direction)
-
-        # Save statistics
-        self.discharge = discharge
-        self.sea_level = sea_level
-        self.wind_speed = wind_speed
-
-        # Assert barrier == 1
-        if self.settings.europoort_barrier != 1:
-            raise NotImplementedError("[ERROR] Barrier != 1 not implemented.")
-
-        # Init standard variables
-        self.k = [0, 11]
-        self.nk = len(self.k)
-
-        # Database connection
-        with DatabaseHR(settings.database_path) as database:
-            # Closing levels
-            self.closing_levels = LoadingModel(None, None, ["u", "q", "r"], ["m"])
-            self.closing_levels.initialise(
-                database.get_closing_levels_table_europoort()
-            )
-
-        # Extend
-        self.closing_levels.extend("q", [self.settings.q_min, self.settings.q_max])
-        self.closing_levels.extend("u", [self.settings.u_max])
-
-        # Prepare probabilities
-        self.prepare_barrier_probability(sea_level)
-
-    def calculate_closing_probability(
-        self, wind_direction: float, closing_situation: int = None
-    ) -> np.ndarray:
-        # Translate to wind direction id
-        ir = self.wind_direction.get_discretisation().tolist().index(wind_direction)
-        nqblok = len(self.discharge)
-        nmblok = len(self.sea_level)
-
-        # Bepaal de index van de richting in de sluitpeilen
-        if wind_direction not in self.closing_levels.r:
-            raise KeyError(
-                f"[ERROR] Wind direction {wind_direction} not defined in closing levels loading."
-            )
-
-        ir = self.closing_levels.r.tolist().index(wind_direction)
-        if closing_situation == 1:  # Open
-            ik = 0  # 00
-            sluitkans = np.zeros((len(self.wind_speed), nmblok, nqblok))
-        elif closing_situation == 2:  # Closed
-            ik = 1  # 11
-            sluitkans = np.zeros((len(self.wind_speed), nmblok, nqblok))
-        elif closing_situation is None:  # Both
-            ik = slice(None)
-            sluitkans = np.zeros((len(self.wind_speed), nmblok, nqblok, len(self.k)))
-        else:
-            raise KeyError(closing_situation)
-
-        # De sluitpeilen (een zeewaterstand) zijn bekend per windsnelheid, windrichting en afvoer
-        # Eerste worden de sluitpeilen uitgebreid voor alle windsnelheden en afvoerniveaus in de statistiek
-
-        # Interpoleer over de windsnelheden, de eerste as van peilen
-        sluitpeil = InterpStruct(
-            x=self.wind_speed.get_discretisation(), xp=self.closing_levels.u
-        ).interp(fp=self.closing_levels.m[:, :, ir], axis=0)
-
-        # Interpoleer dit resultaat over de afvoeren, de tweede as van de peilen
-        sluitpeil = InterpStruct(
-            x=self.discharge.get_discretisation(), xp=self.closing_levels.q
-        ).interp(fp=sluitpeil, axis=1)
-
-        # Daarna wordt de sluitkans bepaald, door de zeewaterstanden bij deze windsnelheid, zeewaterstand en keringsituatie
-        # te interpoleren in de berekende sluitkansen per cm.
-
-        # De sluitkansen zijn afhankelijk van het sluitpeil, de zeewaterstand en (uiteraard) de sluitsituatie,
-        # de afmetingen van self.kansen is daarmee ncmsp, nmblok, nk
-
-        # De sluitkans moet bepaald worden per windsnelheid, zeewaterstand, afvoer en keringsituatie
-
-        # berekend voor de in de database aanwezig windsnelheden, windrichting, en elke centimeter zeewaterstand
-
-        # Voor elke afvoer, interpoleer de kansen
-        for iq in range(nqblok):
-            # bepaal de sluitkansen voor de combinatie van afvoer, kering en zeewaterstand
-            if isinstance(ik, int):
-                sluitkans[:, :, iq] = InterpStruct(
-                    x=sluitpeil[:, iq], xp=self.cmsp
-                ).interp(self.kansen[:, :, ik], axis=0)
-            else:
-                sluitkans[:, :, iq, :] = InterpStruct(
-                    x=sluitpeil[:, iq], xp=self.cmsp
-                ).interp(self.kansen[:, :, :], axis=0)
-
-        return sluitkans
-
-    def prepare_barrier_probability(self, sea_level: SeaLevel):
-        """
-        bereken het minimale sluitpeil, op cm's naar beneden afgerond
-
-        bepaal het aantal cm's van het minimale tot het maximale sluitpeil
-        alloceer geheugen
-
-        voor elke cm tussen het minimum en maximum
-            bepaal de hoogte van het sluitpeil
-
-        voor elke keringsituatie
-            bereken de keringskans per zeewaterstand en sluitpeil
-
-        Parameters
-        ----------
-        belasting : type (tprand2001)
-            structure met alle sluitpeilen
-        statistiek : type (tpstatistiek)
-            structure met waterstanden, golfparameters en hydraulische belastingen als gevolg daarvan
-        """
-        # bereken het minimale sluitpeil, op cm's naar beneden afgerond
-        step_size = 0.01
-        min_cl = np.floor(self.closing_levels.m.min() / step_size) * step_size
-        max_cl = np.ceil(self.closing_levels.m.max() / step_size) * step_size
-
-        # bepaal het aantal cm's van het minimale tot en met het maximale sluitpeil
-        self.nsp = int((max_cl - min_cl) / step_size) + 1
-
-        # alloceer geheugen
-        self.kansen = np.zeros((self.nsp, len(sea_level), len(self.k)))
-
-        # vul de vector met sluitpeilen voor elke cm
-        self.cmsp = min_cl + np.arange(self.nsp) * step_size
-
-        # Settings
-        barrier = int(self.settings.europoort_barrier)
-        distribution = self.settings.europoort_barrier_distribution
-        mu = self.settings.europoort_barrier_mu
-        sigma = self.settings.europoort_barrier_sigma
-        alfa = self.settings.europoort_barrier_alfa
-
-        # bereken de keringskans voor elke keringtoestand, zeewaterstand en sluitpeilcentimeter
-        for ik in range(self.nk):
-            #  bepaal kans op commando keringen dicht
-            if barrier != 2:
-                #  Normal distribution
-                if distribution == 0:
-                    s = (
-                        self.cmsp[:, None]
-                        - sea_level.get_discretisation()[None, :]
-                        - mu
-                    ) / sigma
-                    kansdicht = 1.0 - norm(loc=0.0, scale=1.0).cdf(x=s)
-
-                # Cosinus-squared distribution
-                elif distribution == 1:
-                    s = np.pi * sigma * (3.0 / (np.pi * np.pi - 6.0)) ** 0.5
-                    kansdicht = 0.5 * (
-                        1.0
-                        + (
-                            self.cmsp[:, None]
-                            - sea_level.get_discretisation()[None, :]
-                            - mu
-                        )
-                        / s
-                        + np.sin(
-                            np.pi
-                            * (
-                                self.cmsp[:, None]
-                                - sea_level.get_discretisation()[None, :]
-                                - mu
-                            )
-                            / s
-                        )
-                        / np.pi
-                    )
-
-                # Undefined distribution
-                else:
-                    raise ValueError("Fout type kansverdeling voorspelde zeewaterstand")
-
-            if barrier == 1:
-                if int(round(self.k[ik])) == 0:
-                    self.kansen[:, :, ik] = 1.0 - (1.0 - alfa) * kansdicht
-                elif int(round(self.k[ik])) == 11:
-                    self.kansen[:, :, ik] = (1.0 - alfa) * kansdicht
-
-            # Assert barrier == 1 (for now)
-            else:
-                raise NotImplementedError("[ERROR] Barrier != 1 not implemented.")
+import numpy as np
+
+from scipy.stats import norm
+
+from .barrier import Barrier
+from ..discharge import Discharge
+from ..discrete_probability import DiscreteProbability
+from ..sea_level.sea_level import SeaLevel
+from ..wind_speed import WindSpeed
+from ....loading.loading_model.loading_model import LoadingModel
+from .....settings.settings import Settings
+from ......common.interpolate import InterpStruct
+from ......io.database_hr import DatabaseHR
+
+
+class BarrierEuropoort(Barrier):
+    def __init__(
+        self,
+        settings: Settings,
+        wind_direction: DiscreteProbability,
+        wind_speed: WindSpeed,
+        sea_level: SeaLevel,
+        discharge: Discharge,
+    ):
+        # Inherit
+        super().__init__(settings, wind_direction)
+
+        # Save statistics
+        self.discharge = discharge
+        self.sea_level = sea_level
+        self.wind_speed = wind_speed
+
+        # Assert barrier == 1
+        if self.settings.europoort_barrier != 1:
+            raise NotImplementedError("[ERROR] Barrier != 1 not implemented.")
+
+        # Init standard variables
+        self.k = [0, 11]
+        self.nk = len(self.k)
+
+        # Database connection
+        with DatabaseHR(settings.database_path) as database:
+            # Closing levels
+            self.closing_levels = LoadingModel(None, None, ["u", "q", "r"], ["m"])
+            self.closing_levels.initialise(
+                database.get_closing_levels_table_europoort()
+            )
+
+        # Extend
+        self.closing_levels.extend("q", [self.settings.q_min, self.settings.q_max])
+        self.closing_levels.extend("u", [self.settings.u_max])
+
+        # Prepare probabilities
+        self.prepare_barrier_probability(sea_level)
+
+    def calculate_closing_probability(
+        self, wind_direction: float, closing_situation: int = None
+    ) -> np.ndarray:
+        # Translate to wind direction id
+        ir = self.wind_direction.get_discretisation().tolist().index(wind_direction)
+        nqblok = len(self.discharge)
+        nmblok = len(self.sea_level)
+
+        # Bepaal de index van de richting in de sluitpeilen
+        if wind_direction not in self.closing_levels.r:
+            raise KeyError(
+                f"[ERROR] Wind direction {wind_direction} not defined in closing levels loading."
+            )
+
+        ir = self.closing_levels.r.tolist().index(wind_direction)
+        if closing_situation == 1:  # Open
+            ik = 0  # 00
+            sluitkans = np.zeros((len(self.wind_speed), nmblok, nqblok))
+        elif closing_situation == 2:  # Closed
+            ik = 1  # 11
+            sluitkans = np.zeros((len(self.wind_speed), nmblok, nqblok))
+        elif closing_situation is None:  # Both
+            ik = slice(None)
+            sluitkans = np.zeros((len(self.wind_speed), nmblok, nqblok, len(self.k)))
+        else:
+            raise KeyError(closing_situation)
+
+        # De sluitpeilen (een zeewaterstand) zijn bekend per windsnelheid, windrichting en afvoer
+        # Eerste worden de sluitpeilen uitgebreid voor alle windsnelheden en afvoerniveaus in de statistiek
+
+        # Interpoleer over de windsnelheden, de eerste as van peilen
+        sluitpeil = InterpStruct(
+            x=self.wind_speed.get_discretisation(), xp=self.closing_levels.u
+        ).interp(fp=self.closing_levels.m[:, :, ir], axis=0)
+
+        # Interpoleer dit resultaat over de afvoeren, de tweede as van de peilen
+        sluitpeil = InterpStruct(
+            x=self.discharge.get_discretisation(), xp=self.closing_levels.q
+        ).interp(fp=sluitpeil, axis=1)
+
+        # Daarna wordt de sluitkans bepaald, door de zeewaterstanden bij deze windsnelheid, zeewaterstand en keringsituatie
+        # te interpoleren in de berekende sluitkansen per cm.
+
+        # De sluitkansen zijn afhankelijk van het sluitpeil, de zeewaterstand en (uiteraard) de sluitsituatie,
+        # de afmetingen van self.kansen is daarmee ncmsp, nmblok, nk
+
+        # De sluitkans moet bepaald worden per windsnelheid, zeewaterstand, afvoer en keringsituatie
+
+        # berekend voor de in de database aanwezig windsnelheden, windrichting, en elke centimeter zeewaterstand
+
+        # Voor elke afvoer, interpoleer de kansen
+        for iq in range(nqblok):
+            # bepaal de sluitkansen voor de combinatie van afvoer, kering en zeewaterstand
+            if isinstance(ik, int):
+                sluitkans[:, :, iq] = InterpStruct(
+                    x=sluitpeil[:, iq], xp=self.cmsp
+                ).interp(self.kansen[:, :, ik], axis=0)
+            else:
+                sluitkans[:, :, iq, :] = InterpStruct(
+                    x=sluitpeil[:, iq], xp=self.cmsp
+                ).interp(self.kansen[:, :, :], axis=0)
+
+        return sluitkans
+
+    def prepare_barrier_probability(self, sea_level: SeaLevel):
+        """
+        bereken het minimale sluitpeil, op cm's naar beneden afgerond
+
+        bepaal het aantal cm's van het minimale tot het maximale sluitpeil
+        alloceer geheugen
+
+        voor elke cm tussen het minimum en maximum
+            bepaal de hoogte van het sluitpeil
+
+        voor elke keringsituatie
+            bereken de keringskans per zeewaterstand en sluitpeil
+
+        Parameters
+        ----------
+        belasting : type (tprand2001)
+            structure met alle sluitpeilen
+        statistiek : type (tpstatistiek)
+            structure met waterstanden, golfparameters en hydraulische belastingen als gevolg daarvan
+        """
+        # bereken het minimale sluitpeil, op cm's naar beneden afgerond
+        step_size = 0.01
+        min_cl = np.floor(self.closing_levels.m.min() / step_size) * step_size
+        max_cl = np.ceil(self.closing_levels.m.max() / step_size) * step_size
+
+        # bepaal het aantal cm's van het minimale tot en met het maximale sluitpeil
+        self.nsp = int((max_cl - min_cl) / step_size) + 1
+
+        # alloceer geheugen
+        self.kansen = np.zeros((self.nsp, len(sea_level), len(self.k)))
+
+        # vul de vector met sluitpeilen voor elke cm
+        self.cmsp = min_cl + np.arange(self.nsp) * step_size
+
+        # Settings
+        barrier = int(self.settings.europoort_barrier)
+        distribution = self.settings.europoort_barrier_distribution
+        mu = self.settings.europoort_barrier_mu
+        sigma = self.settings.europoort_barrier_sigma
+        alfa = self.settings.europoort_barrier_alfa
+
+        # bereken de keringskans voor elke keringtoestand, zeewaterstand en sluitpeilcentimeter
+        for ik in range(self.nk):
+            #  bepaal kans op commando keringen dicht
+            if barrier != 2:
+                #  Normal distribution
+                if distribution == 0:
+                    s = (
+                        self.cmsp[:, None]
+                        - sea_level.get_discretisation()[None, :]
+                        - mu
+                    ) / sigma
+                    kansdicht = 1.0 - norm(loc=0.0, scale=1.0).cdf(x=s)
+
+                # Cosinus-squared distribution
+                elif distribution == 1:
+                    s = np.pi * sigma * (3.0 / (np.pi * np.pi - 6.0)) ** 0.5
+                    kansdicht = 0.5 * (
+                        1.0
+                        + (
+                            self.cmsp[:, None]
+                            - sea_level.get_discretisation()[None, :]
+                            - mu
+                        )
+                        / s
+                        + np.sin(
+                            np.pi
+                            * (
+                                self.cmsp[:, None]
+                                - sea_level.get_discretisation()[None, :]
+                                - mu
+                            )
+                            / s
+                        )
+                        / np.pi
+                    )
+
+                # Undefined distribution
+                else:
+                    raise ValueError("Fout type kansverdeling voorspelde zeewaterstand")
+
+            if barrier == 1:
+                if int(round(self.k[ik])) == 0:
+                    self.kansen[:, :, ik] = 1.0 - (1.0 - alfa) * kansdicht
+                elif int(round(self.k[ik])) == 11:
+                    self.kansen[:, :, ik] = (1.0 - alfa) * kansdicht
+
+            # Assert barrier == 1 (for now)
+            else:
+                raise NotImplementedError("[ERROR] Barrier != 1 not implemented.")

pydra_core/location/model/statistics/stochastics/barrier/barrier_ramspol.py

@@ -1,41 +1,41 @@
-import numpy as np
-
-# from scipy.stats import norm
-
-from .barrier import Barrier
-
-# from ..discharge import Discharge
-from ..discrete_probability import DiscreteProbability
-
-# from ..sea_level.sea_level import SeaLevel
-# from ..wind_speed import WindSpeed
-# from ....loading.loading_model.loading_model import LoadingModel
-from .....settings.settings import Settings
-
-
-class BarrierRamspol(Barrier):
-    def __init__(self, settings: Settings, wind_direction: DiscreteProbability):
-        # Inherit
-        super().__init__(settings, wind_direction)
-
-        # Init standard variables
-        self.k = [1, 2]
-        self.nk = len(self.k)
-
-        # Save failure probability of the Ramspol
-        self.failure_probability_ramspol = settings.failure_probability_ramspol
-
-    def calculate_closing_probability(
-        self, wind_direction: float, closing_situation: int
-    ) -> np.ndarray:
-        """
-        Calculate the failure probability of the Ramspol
-        """
-        if closing_situation == 1:
-            return self.failure_probability_ramspol
-        elif closing_situation == 2:
-            return 1 - self.failure_probability_ramspol
-        else:
-            raise KeyError(
-                f"[ERROR] Unknown closing situation: {closing_situation}, expecting 1 or 2."
-            )
+import numpy as np
+
+# from scipy.stats import norm
+
+from .barrier import Barrier
+
+# from ..discharge import Discharge
+from ..discrete_probability import DiscreteProbability
+
+# from ..sea_level.sea_level import SeaLevel
+# from ..wind_speed import WindSpeed
+# from ....loading.loading_model.loading_model import LoadingModel
+from .....settings.settings import Settings
+
+
+class BarrierRamspol(Barrier):
+    def __init__(self, settings: Settings, wind_direction: DiscreteProbability):
+        # Inherit
+        super().__init__(settings, wind_direction)
+
+        # Init standard variables
+        self.k = [1, 2]
+        self.nk = len(self.k)
+
+        # Save failure probability of the Ramspol
+        self.failure_probability_ramspol = settings.failure_probability_ramspol
+
+    def calculate_closing_probability(
+        self, wind_direction: float, closing_situation: int
+    ) -> np.ndarray:
+        """
+        Calculate the failure probability of the Ramspol
+        """
+        if closing_situation == 1:
+            return self.failure_probability_ramspol
+        elif closing_situation == 2:
+            return 1 - self.failure_probability_ramspol
+        else:
+            raise KeyError(
+                f"[ERROR] Unknown closing situation: {closing_situation}, expecting 1 or 2."
+            )

pydra_core/location/model/statistics/stochastics/barrier/no_barrier.py

@@ -1,21 +1,21 @@
-import numpy as np
-
-from .barrier import Barrier
-
-
-class NoBarrier(Barrier):
-    def __init__(self):
-        # Inherit
-        super().__init__(None, None)
-
-        # Only 1 barrier state (= open)
-        self.k = [1]
-        self.nk = len(self.k)
-
-    def calculate_closing_probability(
-        self, wind_direction: float, closing_situation: int
-    ) -> np.ndarray:
-        """
-        Irrelevant for no barrier
-        """
-        return None
+import numpy as np
+
+from .barrier import Barrier
+
+
+class NoBarrier(Barrier):
+    def __init__(self):
+        # Inherit
+        super().__init__(None, None)
+
+        # Only 1 barrier state (= open)
+        self.k = [1]
+        self.nk = len(self.k)
+
+    def calculate_closing_probability(
+        self, wind_direction: float, closing_situation: int
+    ) -> np.ndarray:
+        """
+        Irrelevant for no barrier
+        """
+        return None