iam-git / WellMet (public) (License: MIT) (since 2021-08-31) (hash sha1)
WellMet is pure Python framework for spatial structural reliability analysis. Or, more specifically, for "failure probability estimation and detection of failure surfaces by adaptive sequential decomposition of the design domain".
Clone URLs: https://rocketgit.com/user/iam-git/WellMet ssh://rocketgit@ssh.rocketgit.com/user/iam-git/WellMet git://git.rocketgit.com/user/iam-git/WellMet
release trunk
List of commits:
Subject Hash Author Date (UTC)
voronoi: WIP 41e506eacb502853a1cf70023e7b276539579af7 I am 2022-11-27 13:03:08
convex_hull: optimize orth basis generation 4ebfde2955aa792fb31075bf9ac8af718ae07b29 I am 2022-11-26 15:35:21
voronoi: WIP 8f7f3bca7c4333ab579e057438c8c64208d1f60e I am 2022-11-26 11:22:55
voronoi: remove the code already moved to wireframe module fe57b4b699e8689d35afb510f704019152566f09 I am 2022-11-25 09:25:55
qt_gui.qt_pairwise.ContactWidget: show Qhull request at most once. db6af332a70786759692175384f4b7e779b4caca I am 2022-11-16 13:26:04
wireframe.LinearSolver: polytope handle hotfix bc48de3193ce9be482cc4dd068a26f48ea1e0203 I am 2022-11-16 13:24:41
qt_gui.qt_pairwise.ContactWidget: add LP methods 8dbd480ca80aabe1c7e0e689780767b78c86c1d1 I am 2022-11-16 11:33:32
wireframe: implement two LP solvers 8aecd55104ce85ccccf872ebef0052a5937415b5 I am 2022-11-16 11:32:31
qt_gui.qt_pairwise.ContactWidget: add Gabriel adjacency 86eaf302b176612fad072a2248e2c724d32be755 I am 2022-11-16 06:17:53
wireframe: implement Gabriel adjacency f0a74b4f28cec6c2ddc68d6811e0a812fc829d63 I am 2022-11-16 06:16:58
qt_gui.qt_pairwise.ContactWidget: reflect updated wireframe b00a9be23d92d999e0020426a7a5caa1206c5862 I am 2022-11-16 03:56:57
wireframe: implement LocalizedHull class 95c19144c5144461db241df1b2bd20d8950c8d57 I am 2022-11-16 03:55:59
qt_gui.qt_pairwise.ContactWidget: polish UI bd48c8a6342e20dac1d635b963dd44e62c371379 I am 2022-11-13 20:03:39
wireframe: add convex_slice() method efada4c62f88b6106c687217472e0b8c52374fed I am 2022-11-13 19:51:49
qt_gui.qt_pairwise.ContactWidget: finish widget and clean up 10753a104879d6b9c109735e959b18b5a60a4616 I am 2022-11-10 05:02:01
wireframe: finish and clean up module. implement DirectContact. f7ff9c02f25a3ed8fe04e99036da69766afa5a49 I am 2022-11-10 04:58:58
qt_gui.qt_pairwise.ContactWidget: implement Qhull check e362df1f8b87ab7c6a27643cd6f4091b9caec9a3 I am 2022-11-09 21:35:10
wireframe: add Qframe class cf52d85dd1663537cd8c52a98514c7d041913979 I am 2022-11-09 21:34:12
qt_gui.qt_pairwise: add auto arnge and auto levels controls 9bc2cf10a9a1695c2c1a5f6a9959f375d3808a71 I am 2022-11-09 18:16:47
qt_gui.qt_pairwise: set blue -1 by default. Add force_update option in Contact widget 7371575784df7fd41bd76ad29caf38f474a06a26 I am 2022-11-09 15:39:03
Commit 41e506eacb502853a1cf70023e7b276539579af7 - voronoi: WIP
Author: I am
Author date (UTC): 2022-11-27 13:03
Committer name: I am
Committer date (UTC): 2022-11-27 13:03
Parent(s): 4ebfde2955aa792fb31075bf9ac8af718ae07b29
Signer:
Signing key:
Signing status: N
Tree: dbcf6dc8062172c448824bd7e428e3d3a9cf640c
File Lines added Lines deleted
wellmet/voronoi.py 168 84
File wellmet/voronoi.py changed (mode: 100644) (index 00974a5..b0f3508)
... ... from .IS_stat import IS
20 20 from .candynodes import CandyNodes from .candynodes import CandyNodes
21 21 from . import sball from . import sball
22 22
23 ##č (jednotka dočasnosti - jeden furt)
23 24
24 25
25 26
 
... ... class WardrobeDict(dict):
40 41
41 42
42 43 TData = collections.namedtuple('TData', ('X', 'imask', 'dd')) TData = collections.namedtuple('TData', ('X', 'imask', 'dd'))
44 #VorSTM = collections.namedtuple('VorSTM', \
45 # ('nsim', 'failure', 'mixed', 'pfv', 'pfw'))
46
47 ## TRI-compatible estimation
48 #TriSTM = collections.namedtuple('TriSTM', \
49 # ('outside', 'success', 'failure', 'mixed', 'pfv', 'pfw'))
50
51
43 52
44 53 # HalfspaceVoronoi # HalfspaceVoronoi
45 54 # TwoFaces :) # TwoFaces :)
 
... ... class ContactVoronoi:
595 604 #č já chcu, aby třída byla blbuvzdorná #č já chcu, aby třída byla blbuvzdorná
596 605 #č aby šlo ji vytvořit na prazdné skřiňce #č aby šlo ji vytvořit na prazdné skřiňce
597 606 #č aby neotravovala chybáma #č aby neotravovala chybáma
598 self._update()
607 #self._update()
599 608
600 609
601 610 # dump methods # dump methods
 
... ... class ContactVoronoi:
616 625 self.couples = {} # dict of active contacts {couple_indices: list of nodes} self.couples = {} # dict of active contacts {couple_indices: list of nodes}
617 626 self.couples_stats = {} self.couples_stats = {}
618 627 self.mixed_couples = {} ##č pár slovníků reprezentativních sad vzorků self.mixed_couples = {} ##č pár slovníků reprezentativních sad vzorků
619 self.red_couples = {} ## {couple_indices: node_idx}
628 self.red_couples = {} ## {couple_indices: nodes}
620 629 self._add_indices_to_update(j) self._add_indices_to_update(j)
621 630 self._valid_outsides = set() #č zabyvá se tím bezprostředně integrovačka self._valid_outsides = set() #č zabyvá se tím bezprostředně integrovačka
622 631
 
... ... class ContactVoronoi:
624 633 Nodes pipeline: Nodes pipeline:
625 634 0. Sampling: generate coordinates 0. Sampling: generate coordinates
626 635 1. _store_masked(): Filter out, create CandyNodes 1. _store_masked(): Filter out, create CandyNodes
627 and (optionally) assign dd1, dd2, ii1, ii2
636 with d2 and (optionally) imask assigned
628 637 2. assign weights (w) such as sum(w)=1 over entire domain 2. assign weights (w) such as sum(w)=1 over entire domain
629 3. score(): assign eig, barycenter and trace-based so called "score"
638 3. score(): assign so called "score"
630 639 """ """
631 640
641
642 #č funkce se nemá dělat toho víc,
643 #č pokud by ji někdo opakovaně volal pořad dokola
632 644 def _update(self): def _update(self):
633 645 if self.auto_update: if self.auto_update:
634 646 if self.basic_checks(): if self.basic_checks():
635 self.update_tree()
636 647 ##č můžeme udělat obraceně - ##č můžeme udělat obraceně -
637 648 ##č je-li to nutné, nechť si uživatel třídy ##č je-li to nutné, nechť si uživatel třídy
638 649 ##č zajístí správnost autsajdů ##č zajístí správnost autsajdů
 
... ... class ContactVoronoi:
648 659 return True return True
649 660 elif self.sample_box.nsim < 2: elif self.sample_box.nsim < 2:
650 661 return False return False
651 elif not np.any(self.failsi):
662 elif not np.any(self.sample_box.failsi):
652 663 return False return False
653 664 else: else:
654 665 self._enabled = True self._enabled = True
 
... ... class ContactVoronoi:
657 668 def invalidate_outside(self): def invalidate_outside(self):
658 669 self._valid_outsides.clear() self._valid_outsides.clear()
659 670
660
671 #č funkce se nemá dělat toho víc,
672 #č pokud by ji někdo opakovaně volal pořad dokola
661 673 def update_contacts(self): def update_contacts(self):
662 674 #č já vím, že sample box pokážde failsi přepočítavá #č já vím, že sample box pokážde failsi přepočítavá
663 675 self.failsi = failsi = self.sample_box.failsi self.failsi = failsi = self.sample_box.failsi
664
665 676 self.points = getattr(self.sample_box, self.model_space) self.points = getattr(self.sample_box, self.model_space)
666 677
667 self.CS = ConvexSpline(sampled_plan_model)
668 self.PDF = self.sample_box.pdf(self.model_space)
669
670 678 assert len(self._indices_to_update) == 0 assert len(self._indices_to_update) == 0
671 679
672 680 nis = self.ns nis = self.ns
 
... ... class ContactVoronoi:
710 718 #č ale bez bodíků se aktualizace brzy skončí :) #č ale bez bodíků se aktualizace brzy skončí :)
711 719 self.update_couple(couple_indices) self.update_couple(couple_indices)
712 720 self._indices_to_update.clear() self._indices_to_update.clear()
713
714 #č neplatí. Bohužel
715 # #č pokud _nsim > 0, tak není možné, že by nebyly apdejty
716 # #č "nejmenší" pár je (1, 0), takže
717 # #č "i" může být v rozmězí od 1 do _nsim-1 (včetně)
718 # #č u prvního indexu musíme dodržovat pořadí procházky
719 # for i in range(self._nsim - 1, 0, -1):
720 # if i in self._indices_to_update:
721 # self._indices_to_update.remove(i)
722 # for j in self._indices_to_update:
723 # if ((i, j) in self.mixed_couples) or ((i, j) in self.red_couples):
724 # self.update_couple((i, j))
725 #
726 # #č nechcu ani kontrolovat zda-li, jestli, není-li. Mouchy.
727 # #if
728 # # break
729
730
731
732 721 self._nsim = nsim self._nsim = nsim
733 722
723
734 724 def _add_indices_to_update(self, j): def _add_indices_to_update(self, j):
735 725 #č i-té indexy jsou ty čerstvé, přes ně iterujeme #č i-té indexy jsou ty čerstvé, přes ně iterujeme
736 726 #č j-té - ty bežné, protí ním rozhodujeme #č j-té - ty bežné, protí ním rozhodujeme
 
... ... class ContactVoronoi:
877 867 #č To ale nic neříká o hustotách #č To ale nic neříká o hustotách
878 868 nodes.w = w * np.isfinite(w) nodes.w = w * np.isfinite(w)
879 869 self.score(nodes) self.score(nodes)
880
881
882 #č doporučíme (dočasně) k integraci
883 self._recommend_to_integration(idx)
870
871
872
884 873
885 874 #č jdeme do adaptivního IS vzorkování #č jdeme do adaptivního IS vzorkování
886 875 #č zde jenom vzorkujeme; #č zde jenom vzorkujeme;
887 876 #č integrování, vyhodnocování je jinde a později! #č integrování, vyhodnocování je jinde a později!
888
889 nodes = self.sample_alike(tp, nodes, nis)
877 score = -np.inf
878 while nodes.score > score:
879 score = nodes.score
880 #č doporučíme (dočasně) k integraci
881 self._recommend_to_integration(nodes)
882 nodes = self.sample_alike(tp, nodes, nis)
890 883
891 idx, dd, ii, mask = self._store_masked(nodes_model, couple_indices, event_id, h_pdf)
892 if not idx:
893 return None
894
895 #č uspěch. Dodáme bodíkům vahy
896 nodes = self.nodes[idx]
897 w = nodes.pdf(self.model_space) / h_pdf[mask] / self.ns
898 #č Tamta filtrace stromem zaručuje,
899 #č že bodíky (přenejmenším na vstupu f_modelu)
900 #č mají konečné souřadnice bez nan a nekonečno.
901 #č To ale nic neříká o hustotách
902 mask = np.isfinite(w)
903 nodes.w = w * mask
904 #č p_couple není finální pravděpodobnost
905 #č bodíky ještě musejí projít konvexní obálkou
906 nodes.p_couple = np.sum(w[mask])
907 nodes.score = nodes.p_couple / np.sqrt(np.var(nodes.w)/len(nodes))
908 #č a doporučíme (dočasně) k integraci
909 self._recommend_to_integration(idx)
910
911
912 if len(nodes) < nodes.nvar + 1:
913 # in case of update reset the final score only
914 nodes.score = -2
915 return None
916
917 nodes_model = getattr(nodes, self.model_space)
918 nodes_pdf = nodes.pdf(self.model_space)
919
920 S_bc = np.cov(nodes_model, rowvar=False, bias=True, aweights=nodes_pdf)
921
922 #č matika
923 w, v = eig = np.linalg.eig(S_bc)
924
925 if not np.all(w > 0):
926 nodes.score = -1
927 return None
928
929 barycenter = np.average(nodes_model, axis=0, weights=nodes_pdf)
930 nodes.set_attrs(eig=eig, barycenter=barycenter)
931 nodes.score = np.trace(S_bc) * np.sqrt(len(nodes))
932
933
934
935 884
936 885
937 886 # nechám s velkým písmenkem # nechám s velkým písmenkem
 
... ... class ContactVoronoi:
1381 1330
1382 1331
1383 1332 ## checklist ## checklist
1384 self.couples[tp.couple_indices].append(idx)
1333 self.couples[tp.couple_indices].append(nodes)
1385 1334 #self.couples_stats #č nevím #self.couples_stats #č nevím
1386 1335 #self.mixed_couples #č v této fázi nevíme, #self.mixed_couples #č v této fázi nevíme,
1387 1336 #self.red_couples #č zda je sada ta nejlepší #self.red_couples #č zda je sada ta nejlepší
 
... ... class ContactVoronoi:
1493 1442
1494 1443
1495 1444
1445 #č tahle funkce může být volána i skřiňkou
1446 def estimate_mixed(self, nodes):
1447 "assigns d1, fv, fw"
1448 nodes_model = getattr(nodes, self.model_space)
1449 i, j = nodes.couple
1450 imask = nodes.imask
1451 d2 = nodes.d2
1452
1453 di1 = cdist(nodes_model[imask], np.atleast_2d(self.points[i])).flatten()
1454 dj1 = cdist(nodes_model[~imask], np.atleast_2d(self.points[j])).flatten()
1455
1456 d1 = np.empty(len(imask))
1457 d1[imask] = di1
1458 d1[~imask] = dj1
1459 #č skříňka bude chtit d1
1460 nodes.d1 = d1
1461
1462 Pdf_i = self.PDF[i]
1463 Pdf_j = self.PDF[j]
1464
1465 if self.failsi[i]:
1466 df[imask] = di1
1467 df[~imask] = d2[~imask]
1468 dpdf = df * Pdf_i
1469 else:
1470 df[imask] = d2[imask]
1471 df[~imask] = dj1
1472 dpdf = df * Pdf_j
1473
1474 sumpdf = np.empty(len(imask))
1475 sumpdf[imask] = di1 * Pdf_i + d2[imask] * Pdf_j
1476 sumpdf[~imask] = dj1 * Pdf_j + d2[~imask] * Pdf_i
1496 1477
1497 def estimate_nodes(self, idx):
1498 pass
1478 w = nodes.w
1479
1480 nodes.fv = w * df / (d1 + d2)
1481 nodes.fw = w * dpdf / sumpdf
1499 1482
1500 1483
1501 1484
 
... ... class ContactVoronoi:
1513 1496 # set the minimum distance as the standard deviation of IS densisty # set the minimum distance as the standard deviation of IS densisty
1514 1497 # mindist dělíme dvěma - hranice buňky je na půlcesty # mindist dělíme dvěma - hranice buňky je na půlcesty
1515 1498 # a dělíme base_r'kem k získání sigmy. Přemejmenším empiricky mně to vychází # a dělíme base_r'kem k získání sigmy. Přemejmenším empiricky mně to vychází
1516 # (u Norm'u vždy zadaváme směrodatnou odchylku)
1517 1499 h_i = [stats.norm(sampled_plan_sing[i,j], mindist_sing[i]/2/base_r) for j in range(sample_box.nvar)] h_i = [stats.norm(sampled_plan_sing[i,j], mindist_sing[i]/2/base_r) for j in range(sample_box.nvar)]
1518 1500 h = f_models.UnCorD(h_i) h = f_models.UnCorD(h_i)
1519 1501
 
... ... class ContactVoronoi:
1753 1735
1754 1736
1755 1737
1738 def get_pf_estimation(self):
1739 #č zkusme představit,
1740 #č že někdo bude volat tuhle funkci pořad dokola,
1741 #č aniž by se přídaly nové vzorky.
1742 self._update()
1743 failure, mixed, pfv, pfw = 0
1744
1745 self.PDF = self.sample_box.pdf(self.model_space)
1746
1747 valid_insides = self._valid_outsides
1748 is_inside = self.hull.is_inside
1749
1750 for nodes in self.to_integrate.values():
1751 if nodes.idx not in valid_insides:
1752 nodes.inside = mask = is_inside(nodes)
1753 valid_insides.add(nodes.idx)
1754 nodes.p_inside = p_inside = np.sum(nodes.w[mask])
1755 else: #č kód třídy musí zajistit konzistentnost p_inside,
1756 try: #č mazajic ji kdyby něco
1757 p_inside = nodes.p_inside
1758 except AttributeError:
1759 nodes.p_inside = p_inside = np.sum(nodes.w[nodes.inside])
1760
1761 # -1 = 'outside', 0=success, 1=failure, 2=mix
1762 event_id = nodes.event_id
1763 if event_id == 1:
1764 failure += p_inside
1765 pfv += p_inside
1766 pfw += p_inside
1767
1768 elif event_id == 2:
1769 mixed += p_inside
1770
1771 pfv += p_inside
1772 pfw += p_inside
1773 else:
1774 raise ValueError
1775
1776
1777 for nodes in self.mixed_couples.values():
1778 if nodes.idx not in valid_insides:
1779 nodes.inside = mask = is_inside(nodes)
1780 valid_insides.add(nodes.idx)
1781 nodes.p_inside = p_inside = np.sum(nodes.w[mask])
1782 nodes.p_fv = p_fv = np.sum(nodes.fv[mask])
1783 nodes.p_fw = p_fw = np.sum(nodes.fw[mask])
1784 else: #č kód třídy musí zajistit konzistentnost p_inside,
1785 try: #č mazajic ji kdyby něco
1786 p_inside = nodes.p_inside
1787 p_fv = nodes.p_fv
1788 p_fw = nodes.p_fw
1789 except AttributeError:
1790 nodes.p_inside = p_inside = np.sum(nodes.w[nodes.inside])
1791
1792
1793
1794
1795
1796
1797 return failure, mixed, pfv, pfw
1798
1799 # TRI-compatible estimation
1800 # -1=outside, 0=success, 1=failure, 2=mix
1801 #č dostaneme vyrovnané odhady Brna-města (-2) a Brna-venkova (-1)
1802 tri_estimation = dict()
1803 tri_estimation[-1] = bx.siss.estimations[-1]
1804
1805 # set initial values
1806 tri_estimation[0] = 0
1807 tri_estimation[1] = 0
1808 tri_estimation[2] = 0
1809
1810 #č něco konkretnějšího
1811 vertex_estimation = 0
1812 weighted_vertex_estimation = 0
1813
1814 pf_inside = bx.siss.estimations[-2]
1815 if "tri" in dir(bx):
1816 # let's iterate over all simplices we have
1817 # (calling code is responsible for the .simplex_stats validity)
1818 for event_id, simplex_measure, fm, wfm in bx.simplex_stats.values():
1819 tri_estimation[event_id] += simplex_measure
1820 vertex_estimation += fm
1821 weighted_vertex_estimation += wfm
1822
1823 #č success klidně může být i záporným
1824 tri_estimation[0] = pf_inside - tri_estimation[1] - tri_estimation[2]
1825
1826 elif np.all(bx.failsi[:len(bx.convex_hull.points)]):
1827 #č veškerej vnitršek je v poruše
1828 tri_estimation[1] = pf_inside
1829 vertex_estimation = pf_inside
1830 weighted_vertex_estimation = pf_inside
1831 else:
1832 #č vnitršek je asi v pořadku
1833 tri_estimation[0] = pf_inside
1834
1835 return {'TRI_overall_estimations': tri_estimation, \
1836 'vertex_estimation' : vertex_estimation, \
1837 'weighted_vertex_estimation' : weighted_vertex_estimation}
1838
1839
1756 1840
1757 1841
1758 1842
Hints:
Before first commit, do not forget to setup your git environment:
git config --global user.name "your_name_here"
git config --global user.email "your@email_here"

Clone this repository using HTTP(S):
git clone https://rocketgit.com/user/iam-git/WellMet

Clone this repository using ssh (do not forget to upload a key first):
git clone ssh://rocketgit@ssh.rocketgit.com/user/iam-git/WellMet

Clone this repository using git:
git clone git://git.rocketgit.com/user/iam-git/WellMet

You are allowed to anonymously push to this repository.
This means that your pushed commits will automatically be transformed into a merge request:
... clone the repository ...
... make some changes and some commits ...
git push origin main