GTL-wiki - Свежие правки [ru]

Gtld simpleAR1

AlekseyCube — Fri, 28 Aug 2026 01:26:35 GMT

Новая страница: «== Краткое описание == Функция предназначена для формирования трендов. Cодержание функции может дополняться! == Синтаксис == Стандартная конструкция выглядит таким образом: <pre style="color: purple> let __ar1 = simpleAR1(data, phi, steps = 3); </pre> == Аргументы == :<code style="co...»

Новая страница

== Краткое описание ==
Функция предназначена для формирования трендов.
Cодержание функции может дополняться!

== Синтаксис ==
Стандартная конструкция выглядит таким образом:
<pre style="color: purple>
let __ar1 = simpleAR1(data, phi, steps = 3);
</pre>

== Аргументы ==
:<code style="color: purple>data</code> - исходный массив данных;
:<code style="color: purple>phi</code> - коэффициент авторегрессии;
:<code style="color: purple>forecastSteps </code> - количество точек прогноза;

== Содержание функции ==
<pre>
// Протсая ARIMA-модель (авторегрессия — интегрированное скользящее среднее)
/*
Коэффициент авторегрессии Ф подбирается "на глаз"
Ф=0: вибрация почти случайна, мало зависит от предыдущих значений.
0<Ф<1: положительная автокорреляция — рост/падение вибрации имеет инерцию (типично для износа оборудования).
Ф=1: процесс близок к случайному блужданию (возможна нестационарность).
Ф<0: отрицательная автокорреляция (редкий случай для вибрации).

Как влияет на прогноз
Значение Ф напрямую определяет динамику прогноза:
Большие значения (0.8–0.9): прогноз плавно продолжает тренд с умеренным ростом/падением.
Малые значения (0.1–0.3): прогноз быстро «затухает» к среднему уровню.
Отрицательные значения: прогноз будет осциллировать (чередовать рост и падение).
*/
function simpleAR1(data, phi, steps = 3) {
const n = data.length;
if (n === 0) return [];

// Оцениваем среднее значение ряда
const mean = data.reduce((sum, val) => sum + val, 0) / n;

const result = [...data];
// Центрируем последнее значение
let lastDeviation = data[n - 1] - mean;

for (let i = 0; i < steps; i++) {
// Прогноз отклонения
const nextDeviation = lastDeviation * phi;
// Возвращаем среднее
result.push(nextDeviation + mean);
lastDeviation = nextDeviation;
}

return result;
}
</pre>

Справочник GTLD:JS-API

AlekseyCube — Fri, 28 Aug 2026 01:23:50 GMT

Библиотека пользовательских функций GTLd:

← Предыдущая версия		Версия от 01:23, 28 августа 2026
Строка 107:		Строка 107:
	* [https://docs.gtlab.pro/index.php/gtld_exponentialSmoothing Экспотенциальное сглаживание];		* [https://docs.gtlab.pro/index.php/gtld_exponentialSmoothing Экспотенциальное сглаживание];
	* [https://docs.gtlab.pro/index.php/gtld_linearRegression Линейная регрессия];		* [https://docs.gtlab.pro/index.php/gtld_linearRegression Линейная регрессия];
			* [https://docs.gtlab.pro/index.php/gtld_simpleAR1 Простая ARIMA модель (авторегрессия)];

	== Библиотека функций GTLd-daemon: ==		== Библиотека функций GTLd-daemon: ==

Gtld linearRegression

AlekseyCube — Thu, 20 Aug 2026 01:31:17 GMT

Новая страница: «== Краткое описание == Функция предназначена для формирования трендов с постоянной (линейной) скоростью изменения. Cодержание функции может дополняться! == Синтаксис == Стандартная конструкция выглядит таким образом: <pre style="color: purple> let __lin = l...»

Новая страница

== Краткое описание ==
Функция предназначена для формирования трендов с постоянной (линейной) скоростью изменения.
Cодержание функции может дополняться!

== Синтаксис ==
Стандартная конструкция выглядит таким образом:
<pre style="color: purple>
let __lin = linearRegression(data, forecastSteps = 3);
</pre>

== Аргументы ==
:<code style="color: purple>data</code> - исходный массив данных;
:<code style="color: purple>forecastSteps </code> - количество точек прогноза;

== Содержание функции ==
<pre>
function linearRegression(data, forecastSteps = 3) {
const n = data.length; //длина массива данных

// Проверка на достаточный объём данных. Для линейной регрессии требуется минимум 2 точки данных
if (n < 2) return {};

let sumX = 0, sumY = 0, sumXY = 0, sumX2 = 0;
// Подготовка данных: x — время (индексы), y — значения параметра вибрации
for (let i = 0; i < n; i++) {
sumX += i;
sumY += data[i];
sumXY += i * data[i];
sumX2 += i ** 2;
}

// Расчёт знаменателя с проверкой на ноль
const denominator = n * sumX2 - sumX ** 2;
if (Math.abs(denominator) < 1e-10) {
gtl.log.info('Внимание!', 'Невозможно выполнить регрессию: знаменатель близок к нулю');
return {}
}

// Расчёт коэффициентов
const a = (n * sumXY - sumX * sumY) / denominator; // Наклон
const b = (sumY - a * sumX) / n; // Сдвиг

// Создаём результат с исходными данными
const result = [...data];

// Добавляем прогноз на заданное количество шагов
for (let i = n; i < n + forecastSteps; i++) {
result.push(a * i + b);
}

return {
slope: a,
intercept: b,
forecastCount: forecastSteps,
result: result,
equation: `y = ${a.toFixed(4)}x + ${b.toFixed(4)}`
};
}
</pre>

Справочник GTLD:JS-API

AlekseyCube — Thu, 20 Aug 2026 01:25:03 GMT

Библиотека пользовательских функций GTLd:

← Предыдущая версия		Версия от 01:25, 20 августа 2026
Строка 106:		Строка 106:
	* [https://docs.gtlab.pro/index.php/gtld_linearInterpolate Линейная интерполяция данных массива];		* [https://docs.gtlab.pro/index.php/gtld_linearInterpolate Линейная интерполяция данных массива];
	* [https://docs.gtlab.pro/index.php/gtld_exponentialSmoothing Экспотенциальное сглаживание];		* [https://docs.gtlab.pro/index.php/gtld_exponentialSmoothing Экспотенциальное сглаживание];
			* [https://docs.gtlab.pro/index.php/gtld_linearRegression Линейная регрессия];

	== Библиотека функций GTLd-daemon: ==		== Библиотека функций GTLd-daemon: ==

Gtld linearInterpolate

AlekseyCube — Wed, 12 Aug 2026 01:54:26 GMT

Содержание функции

← Предыдущая версия		Версия от 01:54, 12 августа 2026
(не показана 1 промежуточная версия этого же участника)
Строка 17:		Строка 17:
	<pre>		<pre>
	function linearInterpolate(arr, M) {		function linearInterpolate(arr, M) {
	//Функция для уменьшения элементов исходного массива методом линейной интерполяции (применяется для обработки аудио оказывается)		//Функция для уменьшения элементов исходного массива методом линейной интерполяции (применяется для обработки аудио оказывается)
	//arr - исходный массив данных на низкой частоте		//arr - исходный массив данных на низкой частоте
	//M - длина целевого массива данных (на высокой частоте)		//M - длина целевого массива данных (на высокой частоте)
	const result = new Array(M); //результирующий массив ограниченной длины		const result = new Array(M); //результирующий массив ограниченной длины
	const N = arr.length; //длина исходного НЧ массива		const N = arr.length; //длина исходного НЧ массива
	if (M <= 0) return []; //если целевой массив пустой, то возвращаем пустой		if (M <= 0) return []; //если целевой массив пустой, то возвращаем пустой
	if (M === 1) return [arr[0]]; //если целевой содержит один элемент, то возвращаем первый из исходного		if (M === 1) return [arr[0]]; //если целевой содержит один элемент, то возвращаем первый из исходного
	if (arr.length === 1) return new Array(M).fill(arr[0]); //если исходный массив содержит только один элемент, заполняем весь результат этим значением		if (arr.length === 1) return new Array(M).fill(arr[0]); //если исходный массив содержит только один элемент, заполняем весь результат этим значением

	for (let j = 0; j < M; j++) {		for (let j = 0; j < M; j++) {
	const x = j * (N - 1) / (M - 1); //позиция элемента в исходном массиве		const x = j * (N - 1) / (M - 1); //позиция элемента в исходном массиве
	const i = Math.floor(x); //целая часть - индекс левого соседа		const i = Math.floor(x); //целая часть - индекс левого соседа
	const frac = x - i; //дробная часть - вес правого соседа (от 0 до 1): типа расстояние в % до него		const frac = x - i; //дробная часть - вес правого соседа (от 0 до 1): типа расстояние в % до него

	//если мы на последнем элементе исходного массива, то берем его, иначе получается NaN в конце массива		//если мы на последнем элементе исходного массива, то берем его, иначе получается NaN в конце массива
	if (i === N - 1) {		if (i === N - 1) { result[j] = arr[i] }
	result[j] = arr[i];		else { result[j] = arr[i] * (1 - frac) + arr[i + 1] * frac } //формула линейной интерполяции
	} else {		}
	result[j] = arr[i] * (1 - frac) + arr[i + 1] * frac; //формула линейной интерполяции
	}
	}

	return result;		return result;
	}		}
	</pre>		</pre>

Gtld exponentialSmoothing

AlekseyCube — Tue, 11 Aug 2026 07:20:06 GMT

Новая страница: «== Краткое описание == Функция предназначена для формирования трендов для стационарного ряда. Cодержание функции может дополняться! == Синтаксис == Стандартная конструкция выглядит таким образом: <pre style="color: purple> let __exp = exponentialSmoothing(data, alpha, forec...»

Новая страница

== Краткое описание ==
Функция предназначена для формирования трендов для стационарного ряда.
Cодержание функции может дополняться!

== Синтаксис ==
Стандартная конструкция выглядит таким образом:
<pre style="color: purple>
let __exp = exponentialSmoothing(data, alpha, forecastSteps = 0);
</pre>

== Аргументы ==
:<code style="color: purple>data</code> - исходный массив данных;
:<code style="color: purple>alpha</code> - коэффициент сглаживания;
<pre>
Коэффициент сглаживания alpha
alpha = 0 (близко к нулю):
Новые данные почти не учитываются, сглаженный ряд почти не меняется, повторяет начальное значение.
Подходит для почти стационарных процессов без тренда.

alpha = 1 (близко к единице):
Новые данные имеют максимальный вес, модель мгновенно реагирует на изменения.
Может усиливать шум вместо сглаживания.

alpha = (0.1-0.3) (типичные значения):
Баланс между учётом новых данных и сглаживанием шума, плавная реакция на изменения тренда.
Стандартный выбор для большинства практических задач.

alpha = (0.3-0.5):
Быстрая реакция на изменения, меньше сглаживания, больше следования за данными;
Подходит для трендов с частыми изменениями.
</pre>
:<code style="color: purple>forecastSteps </code> - количество точек прогноза;

== Содержание функции ==
<pre>
function exponentialSmoothing(data, alpha, forecastSteps = 0) {
if (data.length === 0) return [];

const result = [data[0]];
let prevForecast = data[0];

// Сглаживание исторических данных
for (let i = 1; i < data.length; i++) {
const currentForecast = alpha * data[i] + (1 - alpha) * prevForecast;
result.push(currentForecast);
prevForecast = currentForecast;
}

// Прогноз: простое экспоненциальное сглаживание даёт константный прогноз
const lastSmoothed = prevForecast;
for (let i = 0; i < forecastSteps; i++) {
result.push(lastSmoothed);
}

return result;
}
</pre>

Справочник GTLD:JS-API

AlekseyCube — Tue, 11 Aug 2026 07:03:02 GMT

Библиотека пользовательских функций GTLd:

← Предыдущая версия		Версия от 07:03, 11 августа 2026
Строка 105:		Строка 105:
	* [https://docs.gtlab.pro/index.php/gtld_aggregateAverage Аггрегация массива данных];		* [https://docs.gtlab.pro/index.php/gtld_aggregateAverage Аггрегация массива данных];
	* [https://docs.gtlab.pro/index.php/gtld_linearInterpolate Линейная интерполяция данных массива];		* [https://docs.gtlab.pro/index.php/gtld_linearInterpolate Линейная интерполяция данных массива];
			* [https://docs.gtlab.pro/index.php/gtld_exponentialSmoothing Экспотенциальное сглаживание];

	== Библиотека функций GTLd-daemon: ==		== Библиотека функций GTLd-daemon: ==