Fehlerbehebung

Die Kalibrierung läuft stundenlang

Differential Evolution kostet population_size x len(parameters) Simulationen je Generation, siehe Konfiguration. Zuerst die Parameterliste kürzen, dann die Population, dann die Generationen.

result.success ist False

Der Optimierer hat ohne Konvergenz abgebrochen. Meist sind die Grenzen zu weit, die Parameterliste zu lang oder das Zeitfenster zu kurz, um den angepassten Effekt zu enthalten. result.message enthält die Begründung von SciPy.

Die Anpassung ist gut, die Werte sind unplausibel

Die Parameter gleichen einander aus. analyze_subset beziffert das: ein Kollinearitätsindex über 20 heißt, dass der Satz nicht auflösbar ist, so gut jedes Mitglied für sich auch dasteht. Den Parameter streichen, der weniger wiegt, oder ihn auf einen Literaturwert festsetzen. use_constraints=True nimmt die Grenzstrafen in die Zielfunktion auf.

Validierungsfehler viel größer als Trainingsfehler

Die Anpassung ist dem Rauschen gefolgt. Parameterliste kürzen, Zeitfenster verlängern oder die Daten vor der Anpassung gründlicher bereinigen: remove_outliers und fill_gaps.

Ein Lastwechsel in den Daten wirkt sich nicht auf die Anpassung aus

Standardmäßig wird die Fütterungsreihe auf ihren Mittelwert zusammengefasst, Stufen sind für das Modell also unsichtbar. Dem Kalibrator time_varying_feed=True übergeben, siehe Konfiguration.

ValueError: Column 'Q_ch4' not found

Der Kanalname in objectives kommt in der Messtabelle nicht vor. measurements.data.columns zeigt, was tatsächlich vorhanden ist. CSVHandler bildet gängige deutsche Spaltennamen ab, ein PlantSchema bildet beliebige Tags auf Kanalnamen ab.

Die Online-Rekalibrierung löst nie aus

should_recalibrate liefert ein Paar. if calibrator.should_recalibrate(data): ist immer wahr und sagt nichts aus, das Paar muss entpackt werden: needed, reason = .... Die Begründung benennt die Bedingung, die es zurückgehalten hat, meist time_threshold oder consecutive_violations.

Etwas anderes

Bitte ein Issue auf GitHub anlegen.