(7 révisions intermédiaires par 2 utilisateurs non affichées) | |||
Ligne 1 : | Ligne 1 : | ||
{{Tuto Details | {{Tuto Details | ||
− | |Main_Picture= | + | |Main_Picture=Dimensionner_la_r_cup_ration_d_eau_de_pluie_pour__tre_autonome_IMG_20240227_173849_315.jpg |
− | |||
|Licences=Attribution (CC BY) | |Licences=Attribution (CC BY) | ||
− | |Description=<translate>Dimensionner la récupération d'eau de pluie hors réseau</translate> | + | |Description=<translate><!--T:1--> |
+ | Dimensionner la récupération d'eau de pluie hors réseau</translate> | ||
|Area=Water | |Area=Water | ||
|Type=Tutorial | |Type=Tutorial | ||
Ligne 14 : | Ligne 14 : | ||
}} | }} | ||
{{Introduction | {{Introduction | ||
− | |Introduction=<translate>Dans des cas où on souhaite être 100% autonome hors réseau, la question de l'eau est essentielle. | + | |Introduction=<translate><!--T:2--> |
+ | Dans des cas où on souhaite être 100% autonome hors réseau, la question de l'eau est essentielle. | ||
− | C'est d'ailleurs le premier élément à considérer par exemple dans les démarches de | + | <!--T:3--> |
+ | C'est d'ailleurs le premier élément à considérer par exemple dans les démarches de permaculture (phase d'observation). | ||
− | + | <!--T:4--> | |
+ | J'ai initialement fait les calculs ci dessous pour "autonomiser" un mobile home avec l'idée d'utiliser des modules photovoltaïques dans un assemblage récupérateur d'eau, comme le proposait le concept ulta chaata (https://www.facebook.com/weultachaata/?locale=fr_FR et https://fr.futuroprossimo.it/2023/03/ulta-chaata-ombrello-magico-che-puo-dare-acqua-e-luce-allindia/) avant d'être récupérée à Los Angeles. | ||
− | + | <!--T:5--> | |
+ | On peut s'interroger sur la façon adéquate de dimensionner des installations pour récupérer de l'eau de pluie. | ||
− | d' | + | <!--T:6--> |
+ | Pour cela, on peut utiliser les données de Météo France afin d'avoir un regard rétrospectif sur les précipitations saisonnières et ajuster ainsi les dimensions des récupérateurs. | ||
− | + | <!--T:7--> | |
+ | Démo web interactive ici : | ||
− | + | <!--T:8--> | |
− | + | https://vpn.matangi.dev/water</translate> | |
− | |||
− | |||
− | |||
− | |||
− | |||
− | |||
− | |||
− | |||
− | |||
− | |||
− | |||
− | |||
}} | }} | ||
{{Materials | {{Materials | ||
Ligne 47 : | Ligne 41 : | ||
}} | }} | ||
{{Tuto Step | {{Tuto Step | ||
− | |Step_Title=<translate>Prérequis logiciel</translate> | + | |Step_Title=<translate><!--T:9--> |
− | |Step_Content=<translate>Dans ce tuto, on utilise des données météos synop disponibles ici : | + | Prérequis logiciel</translate> |
− | + | |Step_Content=<translate><!--T:10--> | |
− | + | Dans ce tuto, on utilise des données météos synop disponibles ici : | |
− | dont vous trouverez la | + | <!--T:11--> |
+ | http://data.cquest.org/meteo-france/synop/ dont vous trouverez la description ici: | ||
+ | <!--T:12--> | ||
http://data.cquest.org/meteo-france/synop/doc_parametres_synop_168.pdf | http://data.cquest.org/meteo-france/synop/doc_parametres_synop_168.pdf | ||
− | Vous pouvez également les télécharger sur le site de | + | <!--T:13--> |
+ | Vous pouvez également les télécharger sur le site de Meteo France: | ||
+ | <!--T:14--> | ||
https://donneespubliques.meteofrance.fr/?fond=produit&id_produit=90&id_rubrique=32 | https://donneespubliques.meteofrance.fr/?fond=produit&id_produit=90&id_rubrique=32 | ||
+ | <!--T:15--> | ||
+ | Télécharger tous les fichiers csv des années et mois à partir desquels vous souhaitez que les calculs soient effectués, placer les dans un repertoire de votre choix et dezipper les (format archive gz). Placer également dans ce répertoire le fichier processing.py contenant le code partagé dans ce tutoriel. | ||
− | + | <!--T:16--> | |
− | + | Exemple en ligne de commande linux debian pour télécharger et dézipper tous les csv de l'année 2020 dans un repertoire ~/synop: | |
− | |||
− | |||
− | |||
− | |||
− | |||
+ | <!--T:17--> | ||
(Dans la suite du tutoriel on utilise toutes les données des années 2010 à 2020) | (Dans la suite du tutoriel on utilise toutes les données des années 2010 à 2020) | ||
− | + | <!--T:18--> | |
<pre> | <pre> | ||
+ | <!--T:19--> | ||
cd ~ | cd ~ | ||
+ | <!--T:20--> | ||
mkdir -p synop && cd synop | mkdir -p synop && cd synop | ||
− | + | <!--T:21--> | |
wget http://data.cquest.org/meteo-france/synop/synop.202001.csv.gz && gzip -d synop.202001.csv.gz | wget http://data.cquest.org/meteo-france/synop/synop.202001.csv.gz && gzip -d synop.202001.csv.gz | ||
+ | <!--T:22--> | ||
wget http://data.cquest.org/meteo-france/synop/synop.202002.csv.gz && gzip -d synop.202002.csv.gz | wget http://data.cquest.org/meteo-france/synop/synop.202002.csv.gz && gzip -d synop.202002.csv.gz | ||
+ | <!--T:23--> | ||
wget http://data.cquest.org/meteo-france/synop/synop.202003.csv.gz && gzip -d synop.202003.csv.gz | wget http://data.cquest.org/meteo-france/synop/synop.202003.csv.gz && gzip -d synop.202003.csv.gz | ||
+ | <!--T:24--> | ||
wget http://data.cquest.org/meteo-france/synop/synop.202004.csv.gz && gzip -d synop.202004.csv.gz | wget http://data.cquest.org/meteo-france/synop/synop.202004.csv.gz && gzip -d synop.202004.csv.gz | ||
+ | <!--T:25--> | ||
wget http://data.cquest.org/meteo-france/synop/synop.202005.csv.gz && gzip -d synop.202005.csv.gz | wget http://data.cquest.org/meteo-france/synop/synop.202005.csv.gz && gzip -d synop.202005.csv.gz | ||
+ | <!--T:26--> | ||
wget http://data.cquest.org/meteo-france/synop/synop.202006.csv.gz && gzip -d synop.202006.csv.gz | wget http://data.cquest.org/meteo-france/synop/synop.202006.csv.gz && gzip -d synop.202006.csv.gz | ||
+ | <!--T:27--> | ||
wget http://data.cquest.org/meteo-france/synop/synop.202007.csv.gz && gzip -d synop.202007.csv.gz | wget http://data.cquest.org/meteo-france/synop/synop.202007.csv.gz && gzip -d synop.202007.csv.gz | ||
+ | <!--T:28--> | ||
wget http://data.cquest.org/meteo-france/synop/synop.202008.csv.gz && gzip -d synop.202008.csv.gz | wget http://data.cquest.org/meteo-france/synop/synop.202008.csv.gz && gzip -d synop.202008.csv.gz | ||
+ | <!--T:29--> | ||
wget http://data.cquest.org/meteo-france/synop/synop.202009.csv.gz && gzip -d synop.202009.csv.gz | wget http://data.cquest.org/meteo-france/synop/synop.202009.csv.gz && gzip -d synop.202009.csv.gz | ||
+ | <!--T:30--> | ||
wget http://data.cquest.org/meteo-france/synop/synop.202010.csv.gz && gzip -d synop.202010.csv.gz | wget http://data.cquest.org/meteo-france/synop/synop.202010.csv.gz && gzip -d synop.202010.csv.gz | ||
+ | <!--T:31--> | ||
wget http://data.cquest.org/meteo-france/synop/synop.202011.csv.gz && gzip -d synop.202011.csv.gz | wget http://data.cquest.org/meteo-france/synop/synop.202011.csv.gz && gzip -d synop.202011.csv.gz | ||
+ | <!--T:32--> | ||
wget http://data.cquest.org/meteo-france/synop/synop.202012.csv.gz && gzip -d synop.202012.csv.gz | wget http://data.cquest.org/meteo-france/synop/synop.202012.csv.gz && gzip -d synop.202012.csv.gz | ||
− | + | <!--T:33--> | |
− | |||
</pre> | </pre> | ||
− | + | <!--T:34--> | |
Pour utiliser python sous un autre os que linux, débrouillez vous avec vos daubes propriétaires intrusives. | Pour utiliser python sous un autre os que linux, débrouillez vous avec vos daubes propriétaires intrusives. | ||
− | + | <!--T:35--> | |
Sous linux, python est généralement installé et pour utiliser le code partagé dans | Sous linux, python est généralement installé et pour utiliser le code partagé dans | ||
ce tuto, il suffira de copier coller le code dans un fichier processing.py puis entrer | ce tuto, il suffira de copier coller le code dans un fichier processing.py puis entrer | ||
+ | <!--T:36--> | ||
<pre> | <pre> | ||
+ | <!--T:37--> | ||
python processing.py | python processing.py | ||
+ | <!--T:38--> | ||
</pre> | </pre> | ||
− | + | <!--T:39--> | |
Cependant, il faut installer la librairie pandas qui est très largement utilisé | Cependant, il faut installer la librairie pandas qui est très largement utilisé | ||
dans le monde de la finance et dans le monde scientifique, notamment pour sa | dans le monde de la finance et dans le monde scientifique, notamment pour sa | ||
gestion efficace des séries temporelles et sa capacité de vectorisation des données. | gestion efficace des séries temporelles et sa capacité de vectorisation des données. | ||
− | + | <!--T:40--> | |
Pour cela voici les commandes à entrer dans linux debian avant de lancer le | Pour cela voici les commandes à entrer dans linux debian avant de lancer le | ||
script processing.py pour être tranquille: | script processing.py pour être tranquille: | ||
− | + | <!--T:41--> | |
<pre> | <pre> | ||
+ | <!--T:42--> | ||
sudo apt install python3 python3-venv python3-pip python-is-python3 | sudo apt install python3 python3-venv python3-pip python-is-python3 | ||
+ | <!--T:43--> | ||
cd ~ && python -m venv venv | cd ~ && python -m venv venv | ||
+ | <!--T:44--> | ||
source venv/bin/activate | source venv/bin/activate | ||
+ | <!--T:45--> | ||
pip install pandas | pip install pandas | ||
+ | <!--T:46--> | ||
</pre> | </pre> | ||
− | + | <!--T:47--> | |
Penser ensuite à activer l'environnement virtuel dans lequel est installé | Penser ensuite à activer l'environnement virtuel dans lequel est installé | ||
pandas chaque fois que vous utilisez le script (apres un reboot ou si vous | pandas chaque fois que vous utilisez le script (apres un reboot ou si vous | ||
− | fermez et reouvrez votre terminal) en lançant la commande: | + | fermez et reouvrez votre terminal) en lançant la commande: |
− | |||
+ | <!--T:48--> | ||
<pre> | <pre> | ||
+ | <!--T:49--> | ||
cd ~ && source venv/bin/activate | cd ~ && source venv/bin/activate | ||
+ | <!--T:50--> | ||
</pre> | </pre> | ||
− | + | <!--T:51--> | |
Nous sommes en 2024 et si vous êtes cibles d'entraves anti éco-terroristes | Nous sommes en 2024 et si vous êtes cibles d'entraves anti éco-terroristes | ||
de psychopathes comme moi, et en bon scientifique qui se respecte vous | de psychopathes comme moi, et en bon scientifique qui se respecte vous | ||
Ligne 163 : | Ligne 181 : | ||
utilisé dans le monde de la finance et de la science. | utilisé dans le monde de la finance et de la science. | ||
+ | <!--T:52--> | ||
Python reposant sur des librairies C pour un certains nombres d'opérations | Python reposant sur des librairies C pour un certains nombres d'opérations | ||
de base, le hack, y compris le hack scientifique, n'est jamais impossible | de base, le hack, y compris le hack scientifique, n'est jamais impossible | ||
Ligne 169 : | Ligne 188 : | ||
}} | }} | ||
{{Tuto Step | {{Tuto Step | ||
− | |Step_Title=<translate>Evaluer les besoins</translate> | + | |Step_Title=<translate><!--T:53--> |
− | |Step_Content=<translate>Pour évaluer les besoins pour des installations domestiques, | + | Evaluer les besoins</translate> |
− | + | |Step_Content=<translate><!--T:54--> | |
− | rien de plus efficace que le compteur d'eau. | + | Pour évaluer les besoins pour des installations domestiques, rien de plus efficace que le compteur d'eau. Une première approche peut être de faire une règle de trois à partir de votre consommation hebdomadaire. Vous pouvez aussi mesurer individuellement chaque poste de consommation (douche, machine à laver, cuisine, jardin, wc, etc) afin de faire des projections saisonnières plus justes. |
− | |||
− | Une première approche peut être de faire une règle de | ||
− | |||
− | trois à partir de votre consommation hebdomadaire. | ||
− | + | <!--T:55--> | |
− | + | Pour un mobile home avec toilettes sèches on a : | |
− | |||
− | |||
− | |||
− | |||
− | |||
− | |||
− | Pour un | ||
+ | <!--T:56--> | ||
<pre> | <pre> | ||
− | conso solo - 2 douches semaine (L) | + | conso solo - 2 douches semaine (L) |
+ | <!--T:57--> | ||
douche (L) 50 | douche (L) 50 | ||
+ | <!--T:58--> | ||
boisson 4 | boisson 4 | ||
+ | <!--T:59--> | ||
vaisselle 10 | vaisselle 10 | ||
+ | <!--T:60--> | ||
cuisine 4 | cuisine 4 | ||
+ | <!--T:61--> | ||
machine a laver 50 | machine a laver 50 | ||
+ | <!--T:62--> | ||
semaine (2douches, 1 machine) 276 | semaine (2douches, 1 machine) 276 | ||
+ | <!--T:63--> | ||
journalier 39 | journalier 39 | ||
+ | <!--T:64--> | ||
trimestre (13 semaines) 3588 | trimestre (13 semaines) 3588 | ||
+ | <!--T:65--> | ||
+ | conso à deux - 4 douches semaine (L) | ||
− | + | <!--T:66--> | |
− | |||
douche 50 | douche 50 | ||
+ | <!--T:67--> | ||
boisson 4 | boisson 4 | ||
+ | <!--T:68--> | ||
vaisselle 10 | vaisselle 10 | ||
+ | <!--T:69--> | ||
cuisine 4 | cuisine 4 | ||
+ | <!--T:70--> | ||
machine a laver 50 | machine a laver 50 | ||
+ | <!--T:71--> | ||
semaine (4douches, 1 machine) 752 | semaine (4douches, 1 machine) 752 | ||
+ | <!--T:72--> | ||
journalier 107 | journalier 107 | ||
+ | <!--T:73--> | ||
trimestre (13 semaines) 9776 | trimestre (13 semaines) 9776 | ||
</pre></translate> | </pre></translate> | ||
}} | }} | ||
{{Tuto Step | {{Tuto Step | ||
− | |Step_Title=<translate>Calculer rétrospectivement les précipitations journalieres et saisonnieres</translate> | + | |Step_Title=<translate><!--T:74--> |
− | |Step_Content=<translate>Pour dimensionner correctement le stockage, il convient d'abord d'avoir des informations sur les précipitations "moyennes" des années précédentes. | + | Calculer rétrospectivement les précipitations journalieres et saisonnieres</translate> |
+ | |Step_Content=<translate><!--T:75--> | ||
+ | Pour dimensionner correctement le stockage, il convient d'abord d'avoir des informations sur les précipitations "moyennes" des années précédentes. | ||
− | Pour cela, on fournit le bout de code python suivant (valable avec les données météo france mais adaptable à d'autres données météos ailleurs, le synop étant un encodage de données utilisé par l'OMM): | + | <!--T:76--> |
+ | Pour cela, on fournit le bout de code python suivant (valable avec les données météo france mais adaptable à d'autres données météos ailleurs, le synop étant un encodage de données utilisé par l'OMM): | ||
+ | <!--T:77--> | ||
<pre> | <pre> | ||
import math | import math | ||
Ligne 238 : | Ligne 267 : | ||
import pandas as pd | import pandas as pd | ||
+ | <!--T:78--> | ||
# Attention si vous utilisez ce bout de code dans d'autres pays que la france, il faut ajouter | # Attention si vous utilisez ce bout de code dans d'autres pays que la france, il faut ajouter | ||
# les stations météos adhoc | # les stations météos adhoc | ||
+ | <!--T:79--> | ||
# Processing des data | # Processing des data | ||
print("\nprocessing des data\n") | print("\nprocessing des data\n") | ||
Ligne 249 : | Ligne 280 : | ||
#07535 gourdon | #07535 gourdon | ||
+ | <!--T:80--> | ||
#stations météos "hard coded" | #stations météos "hard coded" | ||
stations=[{'ID': '07005', 'Nom': 'ABBEVILLE', 'Latitude': '50.136000', 'Longitude': '1.834000', 'Altitude': '69'}, {'ID': '07015', 'Nom': 'LILLE-LESQUIN', 'Latitude': '50.570000', 'Longitude': '3.097500', 'Altitude': '47'}, {'ID': '07020', 'Nom': 'PTE DE LA HAGUE', 'Latitude': '49.725167', 'Longitude': '-1.939833', 'Altitude': '6'}, {'ID': '07027', 'Nom': 'CAEN-CARPIQUET', 'Latitude': '49.180000', 'Longitude': '-0.456167', 'Altitude': '67'}, {'ID': '07037', 'Nom': 'ROUEN-BOOS', 'Latitude': '49.383000', 'Longitude': '1.181667', 'Altitude': '151'}, {'ID': '07072', 'Nom': 'REIMS-PRUNAY', 'Latitude': '49.209667', 'Longitude': '4.155333', 'Altitude': '95'}, {'ID': '07110', 'Nom': 'BREST-GUIPAVAS', 'Latitude': '48.444167', 'Longitude': '-4.412000', 'Altitude': '94'}, {'ID': '07117', 'Nom': "PLOUMANAC'H", 'Latitude': '48.825833', 'Longitude': '-3.473167', 'Altitude': '55'}, {'ID': '07130', 'Nom': 'RENNES-ST JACQUES', 'Latitude': '48.068833', 'Longitude': '-1.734000', 'Altitude': '36'}, {'ID': '07139', 'Nom': 'ALENCON', 'Latitude': '48.445500', 'Longitude': '0.110167', 'Altitude': '143'}, {'ID': '07149', 'Nom': 'ORLY', 'Latitude': '48.716833', 'Longitude': '2.384333', 'Altitude': '89'}, {'ID': '07168', 'Nom': 'TROYES-BARBEREY', 'Latitude': '48.324667', 'Longitude': '4.020000', 'Altitude': '112'}, {'ID': '07181', 'Nom': 'NANCY-OCHEY', 'Latitude': '48.581000', 'Longitude': '5.959833', 'Altitude': '336'}, {'ID': '07190', 'Nom': 'STRASBOURG-ENTZHEIM', 'Latitude': '48.549500', 'Longitude': '7.640333', 'Altitude': '150'}, {'ID': '07207', 'Nom': 'BELLE ILE-LE TALUT', 'Latitude': '47.294333', 'Longitude': '-3.218333', 'Altitude': '34'}, {'ID': '07222', 'Nom': 'NANTES-BOUGUENAIS', 'Latitude': '47.150000', 'Longitude': '-1.608833', 'Altitude': '26'}, {'ID': '07240', 'Nom': 'TOURS', 'Latitude': '47.444500', 'Longitude': '0.727333', 'Altitude': '108'}, {'ID': '07255', 'Nom': 'BOURGES', 'Latitude': '47.059167', 'Longitude': '2.359833', 'Altitude': '161'}, {'ID': '07280', 'Nom': 'DIJON-LONGVIC', 'Latitude': '47.267833', 'Longitude': '5.088333', 'Altitude': '219'}, {'ID': '07299', 'Nom': 'BALE-MULHOUSE', 'Latitude': '47.614333', 'Longitude': '7.510000', 'Altitude': '263'}, {'ID': '07314', 'Nom': 'PTE DE CHASSIRON', 'Latitude': '46.046833', 'Longitude': '-1.411500', 'Altitude': '11'}, {'ID': '07335', 'Nom': 'POITIERS-BIARD', 'Latitude': '46.593833', 'Longitude': '0.314333', 'Altitude': '123'}, {'ID': '07434', 'Nom': 'LIMOGES-BELLEGARDE', 'Latitude': '45.861167', 'Longitude': '1.175000', 'Altitude': '402'}, {'ID': '07460', 'Nom': 'CLERMONT-FD', 'Latitude': '45.786833', 'Longitude': '3.149333', 'Altitude': '331'}, {'ID': '07471', 'Nom': 'LE PUY-LOUDES', 'Latitude': '45.074500', 'Longitude': '3.764000', 'Altitude': '833'}, {'ID': '07481', 'Nom': 'LYON-ST EXUPERY', 'Latitude': '45.726500', 'Longitude': '5.077833', 'Altitude': '235'}, {'ID': '07510', 'Nom': 'BORDEAUX-MERIGNAC', 'Latitude': '44.830667', 'Longitude': '-0.691333', 'Altitude': '47'}, {'ID': '07535', 'Nom': 'GOURDON', 'Latitude': '44.745000', 'Longitude': '1.396667', 'Altitude': '260'}, {'ID': '07558', 'Nom': 'MILLAU', 'Latitude': '44.118500', 'Longitude': '3.019500', 'Altitude': '712'}, {'ID': '07577', 'Nom': 'MONTELIMAR', 'Latitude': '44.581167', 'Longitude': '4.733000', 'Altitude': '73'}, {'ID': '07591', 'Nom': 'EMBRUN', 'Latitude': '44.565667', 'Longitude': '6.502333', 'Altitude': '871'}, {'ID': '07607', 'Nom': 'MONT-DE-MARSAN', 'Latitude': '43.909833', 'Longitude': '-0.500167', 'Altitude': '59'}, {'ID': '07621', 'Nom': 'TARBES-OSSUN', 'Latitude': '43.188000', 'Longitude': '0.000000', 'Altitude': '360'}, {'ID': '07627', 'Nom': 'ST GIRONS', 'Latitude': '43.005333', 'Longitude': '1.106833', 'Altitude': '414'}, {'ID': '07630', 'Nom': 'TOULOUSE-BLAGNAC', 'Latitude': '43.621000', 'Longitude': '1.378833', 'Altitude': '151'}, {'ID': '07643', 'Nom': 'MONTPELLIER', 'Latitude': '43.577000', 'Longitude': '3.963167', 'Altitude': '2'}, {'ID': '07650', 'Nom': 'MARIGNANE', 'Latitude': '43.437667', 'Longitude': '5.216000', 'Altitude': '9'}, {'ID': '07661', 'Nom': 'CAP CEPET', 'Latitude': '43.079333', 'Longitude': '5.940833', 'Altitude': '115'}, {'ID': '07690', 'Nom': 'NICE', 'Latitude': '43.648833', 'Longitude': '7.209000', 'Altitude': '2'}, {'ID': '07747', 'Nom': 'PERPIGNAN', 'Latitude': '42.737167', 'Longitude': '2.872833', 'Altitude': '42'}, {'ID': '07761', 'Nom': 'AJACCIO', 'Latitude': '41.918000', 'Longitude': '8.792667', 'Altitude': '5'}, {'ID': '07790', 'Nom': 'BASTIA', 'Latitude': '42.540667', 'Longitude': '9.485167', 'Altitude': '10'}, {'ID': '61968', 'Nom': 'GLORIEUSES', 'Latitude': '-11.582667', 'Longitude': '47.289667', 'Altitude': '3'}, {'ID': '61970', 'Nom': 'JUAN DE NOVA', 'Latitude': '-17.054667', 'Longitude': '42.712000', 'Altitude': '9'}, {'ID': '61972', 'Nom': 'EUROPA', 'Latitude': '-22.344167', 'Longitude': '40.340667', 'Altitude': '6'}, {'ID': '61976', 'Nom': 'TROMELIN', 'Latitude': '-15.887667', 'Longitude': '54.520667', 'Altitude': '7'}, {'ID': '61980', 'Nom': 'GILLOT-AEROPORT', 'Latitude': '-20.892500', 'Longitude': '55.528667', 'Altitude': '8'}, {'ID': '61996', 'Nom': 'NOUVELLE AMSTERDAM', 'Latitude': '-37.795167', 'Longitude': '77.569167', 'Altitude': '27'}, {'ID': '61997', 'Nom': 'CROZET', 'Latitude': '-46.432500', 'Longitude': '51.856667', 'Altitude': '146'}, {'ID': '61998', 'Nom': 'KERGUELEN', 'Latitude': '-49.352333', 'Longitude': '70.243333', 'Altitude': '29'}, {'ID': '67005', 'Nom': 'PAMANDZI', 'Latitude': '-12.805500', 'Longitude': '45.282833', 'Altitude': '7'}, {'ID': '71805', 'Nom': 'ST-PIERRE', 'Latitude': '46.766333', 'Longitude': '-56.179167', 'Altitude': '21'}, {'ID': '78890', 'Nom': 'LA DESIRADE METEO', 'Latitude': '16.335000', 'Longitude': '-61.004000', 'Altitude': '27'}, {'ID': '78894', 'Nom': 'ST-BARTHELEMY METEO', 'Latitude': '17.901500', 'Longitude': '-62.852167', 'Altitude': '44'}, {'ID': '78897', 'Nom': 'LE RAIZET AERO', 'Latitude': '16.264000', 'Longitude': '-61.516333', 'Altitude': '11'}, {'ID': '78922', 'Nom': 'TRINITE-CARAVEL', 'Latitude': '14.774500', 'Longitude': '-60.875333', 'Altitude': '26'}, {'ID': '78925', 'Nom': 'LAMENTIN-AERO', 'Latitude': '14.595333', 'Longitude': '-60.995667', 'Altitude': '3'}, {'ID': '81401', 'Nom': 'SAINT LAURENT', 'Latitude': '5.485500', 'Longitude': '-54.031667', 'Altitude': '5'}, {'ID': '81405', 'Nom': 'CAYENNE-MATOURY', 'Latitude': '4.822333', 'Longitude': '-52.365333', 'Altitude': '4'}, {'ID': '81408', 'Nom': 'SAINT GEORGES', 'Latitude': '3.890667', 'Longitude': '-51.804667', 'Altitude': '6'}, {'ID': '81415', 'Nom': 'MARIPASOULA', 'Latitude': '3.640167', 'Longitude': '-54.028333', 'Altitude': '106'}, {'ID': '89642', 'Nom': "DUMONT D'URVILLE", 'Latitude': '-66.663167', 'Longitude': '140.001000', 'Altitude': '43'}] | stations=[{'ID': '07005', 'Nom': 'ABBEVILLE', 'Latitude': '50.136000', 'Longitude': '1.834000', 'Altitude': '69'}, {'ID': '07015', 'Nom': 'LILLE-LESQUIN', 'Latitude': '50.570000', 'Longitude': '3.097500', 'Altitude': '47'}, {'ID': '07020', 'Nom': 'PTE DE LA HAGUE', 'Latitude': '49.725167', 'Longitude': '-1.939833', 'Altitude': '6'}, {'ID': '07027', 'Nom': 'CAEN-CARPIQUET', 'Latitude': '49.180000', 'Longitude': '-0.456167', 'Altitude': '67'}, {'ID': '07037', 'Nom': 'ROUEN-BOOS', 'Latitude': '49.383000', 'Longitude': '1.181667', 'Altitude': '151'}, {'ID': '07072', 'Nom': 'REIMS-PRUNAY', 'Latitude': '49.209667', 'Longitude': '4.155333', 'Altitude': '95'}, {'ID': '07110', 'Nom': 'BREST-GUIPAVAS', 'Latitude': '48.444167', 'Longitude': '-4.412000', 'Altitude': '94'}, {'ID': '07117', 'Nom': "PLOUMANAC'H", 'Latitude': '48.825833', 'Longitude': '-3.473167', 'Altitude': '55'}, {'ID': '07130', 'Nom': 'RENNES-ST JACQUES', 'Latitude': '48.068833', 'Longitude': '-1.734000', 'Altitude': '36'}, {'ID': '07139', 'Nom': 'ALENCON', 'Latitude': '48.445500', 'Longitude': '0.110167', 'Altitude': '143'}, {'ID': '07149', 'Nom': 'ORLY', 'Latitude': '48.716833', 'Longitude': '2.384333', 'Altitude': '89'}, {'ID': '07168', 'Nom': 'TROYES-BARBEREY', 'Latitude': '48.324667', 'Longitude': '4.020000', 'Altitude': '112'}, {'ID': '07181', 'Nom': 'NANCY-OCHEY', 'Latitude': '48.581000', 'Longitude': '5.959833', 'Altitude': '336'}, {'ID': '07190', 'Nom': 'STRASBOURG-ENTZHEIM', 'Latitude': '48.549500', 'Longitude': '7.640333', 'Altitude': '150'}, {'ID': '07207', 'Nom': 'BELLE ILE-LE TALUT', 'Latitude': '47.294333', 'Longitude': '-3.218333', 'Altitude': '34'}, {'ID': '07222', 'Nom': 'NANTES-BOUGUENAIS', 'Latitude': '47.150000', 'Longitude': '-1.608833', 'Altitude': '26'}, {'ID': '07240', 'Nom': 'TOURS', 'Latitude': '47.444500', 'Longitude': '0.727333', 'Altitude': '108'}, {'ID': '07255', 'Nom': 'BOURGES', 'Latitude': '47.059167', 'Longitude': '2.359833', 'Altitude': '161'}, {'ID': '07280', 'Nom': 'DIJON-LONGVIC', 'Latitude': '47.267833', 'Longitude': '5.088333', 'Altitude': '219'}, {'ID': '07299', 'Nom': 'BALE-MULHOUSE', 'Latitude': '47.614333', 'Longitude': '7.510000', 'Altitude': '263'}, {'ID': '07314', 'Nom': 'PTE DE CHASSIRON', 'Latitude': '46.046833', 'Longitude': '-1.411500', 'Altitude': '11'}, {'ID': '07335', 'Nom': 'POITIERS-BIARD', 'Latitude': '46.593833', 'Longitude': '0.314333', 'Altitude': '123'}, {'ID': '07434', 'Nom': 'LIMOGES-BELLEGARDE', 'Latitude': '45.861167', 'Longitude': '1.175000', 'Altitude': '402'}, {'ID': '07460', 'Nom': 'CLERMONT-FD', 'Latitude': '45.786833', 'Longitude': '3.149333', 'Altitude': '331'}, {'ID': '07471', 'Nom': 'LE PUY-LOUDES', 'Latitude': '45.074500', 'Longitude': '3.764000', 'Altitude': '833'}, {'ID': '07481', 'Nom': 'LYON-ST EXUPERY', 'Latitude': '45.726500', 'Longitude': '5.077833', 'Altitude': '235'}, {'ID': '07510', 'Nom': 'BORDEAUX-MERIGNAC', 'Latitude': '44.830667', 'Longitude': '-0.691333', 'Altitude': '47'}, {'ID': '07535', 'Nom': 'GOURDON', 'Latitude': '44.745000', 'Longitude': '1.396667', 'Altitude': '260'}, {'ID': '07558', 'Nom': 'MILLAU', 'Latitude': '44.118500', 'Longitude': '3.019500', 'Altitude': '712'}, {'ID': '07577', 'Nom': 'MONTELIMAR', 'Latitude': '44.581167', 'Longitude': '4.733000', 'Altitude': '73'}, {'ID': '07591', 'Nom': 'EMBRUN', 'Latitude': '44.565667', 'Longitude': '6.502333', 'Altitude': '871'}, {'ID': '07607', 'Nom': 'MONT-DE-MARSAN', 'Latitude': '43.909833', 'Longitude': '-0.500167', 'Altitude': '59'}, {'ID': '07621', 'Nom': 'TARBES-OSSUN', 'Latitude': '43.188000', 'Longitude': '0.000000', 'Altitude': '360'}, {'ID': '07627', 'Nom': 'ST GIRONS', 'Latitude': '43.005333', 'Longitude': '1.106833', 'Altitude': '414'}, {'ID': '07630', 'Nom': 'TOULOUSE-BLAGNAC', 'Latitude': '43.621000', 'Longitude': '1.378833', 'Altitude': '151'}, {'ID': '07643', 'Nom': 'MONTPELLIER', 'Latitude': '43.577000', 'Longitude': '3.963167', 'Altitude': '2'}, {'ID': '07650', 'Nom': 'MARIGNANE', 'Latitude': '43.437667', 'Longitude': '5.216000', 'Altitude': '9'}, {'ID': '07661', 'Nom': 'CAP CEPET', 'Latitude': '43.079333', 'Longitude': '5.940833', 'Altitude': '115'}, {'ID': '07690', 'Nom': 'NICE', 'Latitude': '43.648833', 'Longitude': '7.209000', 'Altitude': '2'}, {'ID': '07747', 'Nom': 'PERPIGNAN', 'Latitude': '42.737167', 'Longitude': '2.872833', 'Altitude': '42'}, {'ID': '07761', 'Nom': 'AJACCIO', 'Latitude': '41.918000', 'Longitude': '8.792667', 'Altitude': '5'}, {'ID': '07790', 'Nom': 'BASTIA', 'Latitude': '42.540667', 'Longitude': '9.485167', 'Altitude': '10'}, {'ID': '61968', 'Nom': 'GLORIEUSES', 'Latitude': '-11.582667', 'Longitude': '47.289667', 'Altitude': '3'}, {'ID': '61970', 'Nom': 'JUAN DE NOVA', 'Latitude': '-17.054667', 'Longitude': '42.712000', 'Altitude': '9'}, {'ID': '61972', 'Nom': 'EUROPA', 'Latitude': '-22.344167', 'Longitude': '40.340667', 'Altitude': '6'}, {'ID': '61976', 'Nom': 'TROMELIN', 'Latitude': '-15.887667', 'Longitude': '54.520667', 'Altitude': '7'}, {'ID': '61980', 'Nom': 'GILLOT-AEROPORT', 'Latitude': '-20.892500', 'Longitude': '55.528667', 'Altitude': '8'}, {'ID': '61996', 'Nom': 'NOUVELLE AMSTERDAM', 'Latitude': '-37.795167', 'Longitude': '77.569167', 'Altitude': '27'}, {'ID': '61997', 'Nom': 'CROZET', 'Latitude': '-46.432500', 'Longitude': '51.856667', 'Altitude': '146'}, {'ID': '61998', 'Nom': 'KERGUELEN', 'Latitude': '-49.352333', 'Longitude': '70.243333', 'Altitude': '29'}, {'ID': '67005', 'Nom': 'PAMANDZI', 'Latitude': '-12.805500', 'Longitude': '45.282833', 'Altitude': '7'}, {'ID': '71805', 'Nom': 'ST-PIERRE', 'Latitude': '46.766333', 'Longitude': '-56.179167', 'Altitude': '21'}, {'ID': '78890', 'Nom': 'LA DESIRADE METEO', 'Latitude': '16.335000', 'Longitude': '-61.004000', 'Altitude': '27'}, {'ID': '78894', 'Nom': 'ST-BARTHELEMY METEO', 'Latitude': '17.901500', 'Longitude': '-62.852167', 'Altitude': '44'}, {'ID': '78897', 'Nom': 'LE RAIZET AERO', 'Latitude': '16.264000', 'Longitude': '-61.516333', 'Altitude': '11'}, {'ID': '78922', 'Nom': 'TRINITE-CARAVEL', 'Latitude': '14.774500', 'Longitude': '-60.875333', 'Altitude': '26'}, {'ID': '78925', 'Nom': 'LAMENTIN-AERO', 'Latitude': '14.595333', 'Longitude': '-60.995667', 'Altitude': '3'}, {'ID': '81401', 'Nom': 'SAINT LAURENT', 'Latitude': '5.485500', 'Longitude': '-54.031667', 'Altitude': '5'}, {'ID': '81405', 'Nom': 'CAYENNE-MATOURY', 'Latitude': '4.822333', 'Longitude': '-52.365333', 'Altitude': '4'}, {'ID': '81408', 'Nom': 'SAINT GEORGES', 'Latitude': '3.890667', 'Longitude': '-51.804667', 'Altitude': '6'}, {'ID': '81415', 'Nom': 'MARIPASOULA', 'Latitude': '3.640167', 'Longitude': '-54.028333', 'Altitude': '106'}, {'ID': '89642', 'Nom': "DUMONT D'URVILLE", 'Latitude': '-66.663167', 'Longitude': '140.001000', 'Altitude': '43'}] | ||
− | + | <!--T:81--> | |
def distance(lat1, lon1, lat2, lon2): | def distance(lat1, lon1, lat2, lon2): | ||
""" | """ | ||
Ligne 259 : | Ligne 291 : | ||
return math.sqrt((lat2 - lat1)**2 + (lon2 - lon1)**2) | return math.sqrt((lat2 - lat1)**2 + (lon2 - lon1)**2) | ||
+ | <!--T:82--> | ||
def station_la_plus_proche(x, y, stations): | def station_la_plus_proche(x, y, stations): | ||
""" | """ | ||
Ligne 276 : | Ligne 309 : | ||
return station_proche | return station_proche | ||
+ | <!--T:83--> | ||
# Demander à l'utilisateur d'entrer la latitude et la longitude | # Demander à l'utilisateur d'entrer la latitude et la longitude | ||
x_input = input("Entrez la latitude de votre lieux: ") | x_input = input("Entrez la latitude de votre lieux: ") | ||
y_input = input("Entrez la longitude de votre lieux: ") | y_input = input("Entrez la longitude de votre lieux: ") | ||
+ | <!--T:84--> | ||
# Remplacer les virgules par des points | # Remplacer les virgules par des points | ||
x_input = float(x_input.replace(',', '.')) | x_input = float(x_input.replace(',', '.')) | ||
y_input = float(y_input.replace(',', '.')) | y_input = float(y_input.replace(',', '.')) | ||
+ | <!--T:85--> | ||
# Utilisez les valeurs entrées par l'utilisateur comme variables x et y pour trouver la station météo la plus proche | # Utilisez les valeurs entrées par l'utilisateur comme variables x et y pour trouver la station météo la plus proche | ||
station_proche = station_la_plus_proche(x_input, y_input, stations) | station_proche = station_la_plus_proche(x_input, y_input, stations) | ||
− | print("La station météo la plus proche est:", station_proche['Nom']) | + | print("La station météo la plus proche est:", station_proche['Nom']) |
+ | <!--T:86--> | ||
result=combined_df[combined_df['numer_sta']==int(station_proche['ID'])] | result=combined_df[combined_df['numer_sta']==int(station_proche['ID'])] | ||
+ | <!--T:87--> | ||
# Convertir la colonne 'date_column' dans un format datetime et la mettre en index trié | # Convertir la colonne 'date_column' dans un format datetime et la mettre en index trié | ||
result['datetime'] = pd.to_datetime(result['date'], format='%Y%m%d%H%M%S') | result['datetime'] = pd.to_datetime(result['date'], format='%Y%m%d%H%M%S') | ||
Ligne 295 : | Ligne 333 : | ||
result = result.sort_index() | result = result.sort_index() | ||
+ | <!--T:88--> | ||
# remplacer les données manquantes par 0 | # remplacer les données manquantes par 0 | ||
result['rr3']=result['rr3'].replace('mq','0') | result['rr3']=result['rr3'].replace('mq','0') | ||
result['rr3']=result['rr3'].astype('float') | result['rr3']=result['rr3'].astype('float') | ||
+ | <!--T:89--> | ||
# Ne garder que la colonne des précipitations des 3 dernieres heures | # Ne garder que la colonne des précipitations des 3 dernieres heures | ||
result=result['rr3'] | result=result['rr3'] | ||
+ | <!--T:90--> | ||
# Calculer les sommes de précipitations par jour | # Calculer les sommes de précipitations par jour | ||
resultday=result.resample('D').sum() | resultday=result.resample('D').sum() | ||
Ligne 308 : | Ligne 349 : | ||
print("Maximum par jour (mm):\n", resultday.max()) | print("Maximum par jour (mm):\n", resultday.max()) | ||
− | + | <!--T:91--> | |
# Calculer les sommes de précipitations par semaine | # Calculer les sommes de précipitations par semaine | ||
resultweek=result.resample('W').sum() | resultweek=result.resample('W').sum() | ||
+ | <!--T:92--> | ||
# Calculer les sommes de précipitations par mois | # Calculer les sommes de précipitations par mois | ||
resultmonth=result.resample('ME').sum() | resultmonth=result.resample('ME').sum() | ||
+ | <!--T:93--> | ||
# Calculer les sommes de précipitations par trimestre | # Calculer les sommes de précipitations par trimestre | ||
resulttrim=result.resample('QE').sum() | resulttrim=result.resample('QE').sum() | ||
Ligne 320 : | Ligne 363 : | ||
print(resulttrim) | print(resulttrim) | ||
+ | <!--T:94--> | ||
# Calculer les sommes de précipitations par an | # Calculer les sommes de précipitations par an | ||
resultyear=result.resample('YE').sum() | resultyear=result.resample('YE').sum() | ||
print("\nPrécipitations annuelles moyennes (mm):\n",resultyear.mean()) | print("\nPrécipitations annuelles moyennes (mm):\n",resultyear.mean()) | ||
+ | <!--T:95--> | ||
# Calculer le nombre de jours consécutifs maximum sans pluie | # Calculer le nombre de jours consécutifs maximum sans pluie | ||
max_streak = 0 | max_streak = 0 | ||
Ligne 335 : | Ligne 380 : | ||
print(f"\nNombre de jours consecutifs maximum sans pluie: {max_streak}") | print(f"\nNombre de jours consecutifs maximum sans pluie: {max_streak}") | ||
+ | <!--T:96--> | ||
# Moyenne par trimestre pour chaque trimestre | # Moyenne par trimestre pour chaque trimestre | ||
moyenne_trimestrielle_par_trimestre = resulttrim.groupby(resulttrim.index.quarter).mean() | moyenne_trimestrielle_par_trimestre = resulttrim.groupby(resulttrim.index.quarter).mean() | ||
+ | <!--T:97--> | ||
# Minimum par trimestre pour chaque trimestre | # Minimum par trimestre pour chaque trimestre | ||
min_trimestrielle_par_trimestre = resulttrim.groupby(resulttrim.index.quarter).min() | min_trimestrielle_par_trimestre = resulttrim.groupby(resulttrim.index.quarter).min() | ||
+ | <!--T:98--> | ||
# Maximum par trimestre pour chaque trimestre | # Maximum par trimestre pour chaque trimestre | ||
max_trimestrielle_par_trimestre = resulttrim.groupby(resulttrim.index.quarter).max() | max_trimestrielle_par_trimestre = resulttrim.groupby(resulttrim.index.quarter).max() | ||
+ | <!--T:99--> | ||
# Imprimer les résultats | # Imprimer les résultats | ||
print("\nMoyenne par trimestre pour chaque trimestre (mm):\n", moyenne_trimestrielle_par_trimestre) | print("\nMoyenne par trimestre pour chaque trimestre (mm):\n", moyenne_trimestrielle_par_trimestre) | ||
Ligne 349 : | Ligne 398 : | ||
print("\nMaximum par trimestre pour chaque trimestre (mm):\n", max_trimestrielle_par_trimestre) | print("\nMaximum par trimestre pour chaque trimestre (mm):\n", max_trimestrielle_par_trimestre) | ||
+ | <!--T:100--> | ||
# Minimum par jour pour chaque trimestre | # Minimum par jour pour chaque trimestre | ||
min_par_jour_par_trimestre = resultday.groupby(resultday.index.quarter).min() | min_par_jour_par_trimestre = resultday.groupby(resultday.index.quarter).min() | ||
min_par_jour_par_trimestre=min_par_jour_par_trimestre.rename_axis('trimestre') | min_par_jour_par_trimestre=min_par_jour_par_trimestre.rename_axis('trimestre') | ||
+ | <!--T:101--> | ||
# Maximum par jour pour chaque trimestre | # Maximum par jour pour chaque trimestre | ||
max_par_jour_par_trimestre = resultday.groupby(resultday.index.quarter).max() | max_par_jour_par_trimestre = resultday.groupby(resultday.index.quarter).max() | ||
max_par_jour_par_trimestre=max_par_jour_par_trimestre.rename_axis('trimestre') | max_par_jour_par_trimestre=max_par_jour_par_trimestre.rename_axis('trimestre') | ||
+ | <!--T:102--> | ||
# Moyenne par jour pour chaque trimestre | # Moyenne par jour pour chaque trimestre | ||
moyenne_par_jour_par_trimestre = resultday.groupby(resultday.index.quarter).mean() | moyenne_par_jour_par_trimestre = resultday.groupby(resultday.index.quarter).mean() | ||
moyenne_par_jour_par_trimestre=moyenne_par_jour_par_trimestre.rename_axis('trimestre') | moyenne_par_jour_par_trimestre=moyenne_par_jour_par_trimestre.rename_axis('trimestre') | ||
+ | <!--T:103--> | ||
# Imprimer les résultats | # Imprimer les résultats | ||
print("\nMinimum par jour pour chaque trimestre (mm):\n", min_par_jour_par_trimestre) | print("\nMinimum par jour pour chaque trimestre (mm):\n", min_par_jour_par_trimestre) | ||
Ligne 366 : | Ligne 419 : | ||
print("\nMoyenne par jour pour chaque trimestre (mm):\n", moyenne_par_jour_par_trimestre) | print("\nMoyenne par jour pour chaque trimestre (mm):\n", moyenne_par_jour_par_trimestre) | ||
+ | <!--T:104--> | ||
</pre> | </pre> | ||
− | Pour la latitude 44.2 et longitude 0.6 on obtient: | + | <!--T:105--> |
+ | Pour la latitude 44.2 et longitude 0.6 on obtient: | ||
+ | <!--T:106--> | ||
<pre> | <pre> | ||
processing des data | processing des data | ||
+ | <!--T:107--> | ||
Entrez la latitude de votre lieux: 44.2 | Entrez la latitude de votre lieux: 44.2 | ||
Entrez la longitude de votre lieux: 0.6 | Entrez la longitude de votre lieux: 0.6 | ||
La station météo la plus proche est: GOURDON | La station météo la plus proche est: GOURDON | ||
+ | <!--T:108--> | ||
Moyenne par jour (mm): | Moyenne par jour (mm): | ||
2.022896963663514 | 2.022896963663514 | ||
Ligne 430 : | Ligne 488 : | ||
Freq: QE-DEC, Name: rr3, dtype: float64 | Freq: QE-DEC, Name: rr3, dtype: float64 | ||
+ | <!--T:109--> | ||
Précipitations annuelles moyennes (mm): | Précipitations annuelles moyennes (mm): | ||
738.9090909090909 | 738.9090909090909 | ||
+ | <!--T:110--> | ||
Nombre de jours consecutifs maximum sans pluie: 44 | Nombre de jours consecutifs maximum sans pluie: 44 | ||
+ | <!--T:111--> | ||
Moyenne par trimestre pour chaque trimestre (mm): | Moyenne par trimestre pour chaque trimestre (mm): | ||
trimestre | trimestre | ||
Ligne 443 : | Ligne 504 : | ||
Name: rr3, dtype: float64 | Name: rr3, dtype: float64 | ||
+ | <!--T:112--> | ||
Minimum par trimestre pour chaque trimestre (mm): | Minimum par trimestre pour chaque trimestre (mm): | ||
trimestre | trimestre | ||
Ligne 451 : | Ligne 513 : | ||
Name: rr3, dtype: float64 | Name: rr3, dtype: float64 | ||
+ | <!--T:113--> | ||
Maximum par trimestre pour chaque trimestre (mm): | Maximum par trimestre pour chaque trimestre (mm): | ||
trimestre | trimestre | ||
Ligne 459 : | Ligne 522 : | ||
Name: rr3, dtype: float64 | Name: rr3, dtype: float64 | ||
+ | <!--T:114--> | ||
Minimum par jour pour chaque trimestre (mm): | Minimum par jour pour chaque trimestre (mm): | ||
trimestre | trimestre | ||
Ligne 467 : | Ligne 531 : | ||
Name: rr3, dtype: float64 | Name: rr3, dtype: float64 | ||
+ | <!--T:115--> | ||
Maximum par jour pour chaque trimestre (mm): | Maximum par jour pour chaque trimestre (mm): | ||
trimestre | trimestre | ||
Ligne 475 : | Ligne 540 : | ||
Name: rr3, dtype: float64 | Name: rr3, dtype: float64 | ||
+ | <!--T:116--> | ||
Moyenne par jour pour chaque trimestre (mm): | Moyenne par jour pour chaque trimestre (mm): | ||
trimestre | trimestre | ||
Ligne 485 : | Ligne 551 : | ||
}} | }} | ||
{{Tuto Step | {{Tuto Step | ||
− | |Step_Title=<translate>Dimensionner la surfce de récupération et le stockage</translate> | + | |Step_Title=<translate><!--T:117--> |
− | |Step_Content=<translate>Pour dimensionner, le stockage, on se | + | Dimensionner la surfce de récupération et le stockage</translate> |
− | de surface donne un équivalent d'1L pour 1mm de précipitations. | + | |Step_Content=<translate><!--T:118--> |
+ | Pour dimensionner, le stockage, on se rappellera utilement que 1m2 de surface donne un équivalent d'1L pour 1mm de précipitations. | ||
− | On peut alors faire des calculs avec les précipitations moyennes | + | <!--T:119--> |
− | précédemment estimées et les consommations moyennes précédemment | + | On peut alors faire des calculs avec les précipitations moyennes précédemment estimées et les consommations moyennes précédemment mesurées. |
− | mesurées. | ||
+ | <!--T:120--> | ||
<pre> | <pre> | ||
Exemple pour 1m2: | Exemple pour 1m2: | ||
+ | <!--T:121--> | ||
annuel (L) 739 | annuel (L) 739 | ||
+ | <!--T:122--> | ||
max jour (L) 55 | max jour (L) 55 | ||
+ | <!--T:123--> | ||
min trimestre (L) 29 | min trimestre (L) 29 | ||
+ | <!--T:124--> | ||
max trimestre (L) 350 | max trimestre (L) 350 | ||
+ | <!--T:125--> | ||
moyenne min trimestre(L) 125 | moyenne min trimestre(L) 125 | ||
− | + | <!--T:126--> | |
Besoins: | Besoins: | ||
+ | <!--T:127--> | ||
Max 44 j sans pluie solo (L) 1735 | Max 44 j sans pluie solo (L) 1735 | ||
+ | <!--T:128--> | ||
Max 44 j sans pluie duo (L) 4727 | Max 44 j sans pluie duo (L) 4727 | ||
+ | <!--T:129--> | ||
consommation solo trimestre 3549 | consommation solo trimestre 3549 | ||
+ | <!--T:130--> | ||
consommation duo trimestre 9669 | consommation duo trimestre 9669 | ||
+ | <!--T:131--> | ||
</pre> | </pre> | ||
+ | <!--T:132--> | ||
Estimation "grosse louche": | Estimation "grosse louche": | ||
+ | <!--T:133--> | ||
conso trimestre/precipitations moyenne min trimestre = | conso trimestre/precipitations moyenne min trimestre = | ||
+ | <!--T:134--> | ||
solo : 3588/125=29 | solo : 3588/125=29 | ||
+ | <!--T:135--> | ||
duo: 9776/125=78 | duo: 9776/125=78 | ||
− | + | <!--T:136--> | |
=> Il faut 29m2 pour satisfaire les besoins solo avec les hypothèses etape 1 | => Il faut 29m2 pour satisfaire les besoins solo avec les hypothèses etape 1 | ||
+ | <!--T:137--> | ||
=> Il faut 78m2 pour satisfaire les besoins duo avec les hypothèses etape 1 | => Il faut 78m2 pour satisfaire les besoins duo avec les hypothèses etape 1 | ||
− | + | <!--T:138--> | |
Les fortes précipitations sont généralement regroupées (grand écartype a la moyenne), | Les fortes précipitations sont généralement regroupées (grand écartype a la moyenne), | ||
+ | <!--T:139--> | ||
et on prendra par conséquent un réservoir minimum dimensionné à deux fois et demi | et on prendra par conséquent un réservoir minimum dimensionné à deux fois et demi | ||
+ | <!--T:140--> | ||
ce qui est nécessaire pour la précipitation journalière maximum. | ce qui est nécessaire pour la précipitation journalière maximum. | ||
− | + | <!--T:141--> | |
Contraintes précipitations importantes: | Contraintes précipitations importantes: | ||
+ | <!--T:142--> | ||
Il faut a minima un reservoir de 3987L en solo (2.5*précipitations journaliere max*29) | Il faut a minima un reservoir de 3987L en solo (2.5*précipitations journaliere max*29) | ||
+ | <!--T:143--> | ||
et 10725L en duo (2.5*précipitations max *78) | et 10725L en duo (2.5*précipitations max *78) | ||
− | + | <!--T:144--> | |
Mais il faut également un minimum pour les périodes de sécheresses: | Mais il faut également un minimum pour les périodes de sécheresses: | ||
+ | <!--T:145--> | ||
1735L en solo (44j consécutifs max sans pluie) de réserve avec les hypothèses etape 1 | 1735L en solo (44j consécutifs max sans pluie) de réserve avec les hypothèses etape 1 | ||
+ | <!--T:146--> | ||
4727L en duo (44j consécutifs max sans pluie) de réserve avec les hypothèses etape 1 | 4727L en duo (44j consécutifs max sans pluie) de réserve avec les hypothèses etape 1 | ||
+ | <!--T:147--> | ||
ce qui est satisfait avec la contrainte précédente. | ce qui est satisfait avec la contrainte précédente. | ||
− | + | <!--T:148--> | |
On va maintenant utiliser ces résultats de surface minimum et de stockage minimum | On va maintenant utiliser ces résultats de surface minimum et de stockage minimum | ||
− | comme hypothèse de base et ajouter un "data-test" avec des itérations (50% de la surface min | + | <!--T:149--> |
+ | comme hypothèse de base et ajouter un "data-test" avec des itérations (50% de la surface min | ||
− | et 100% du volume min comme points de depart de l'iteration) sur la surface | + | <!--T:150--> |
+ | et 100% du volume min comme points de depart de l'iteration) sur la surface | ||
− | de récupération et le volume de stockage pour vérifier qu'on n'a pas de tarissement | + | <!--T:151--> |
+ | de récupération et le volume de stockage pour vérifier qu'on n'a pas de tarissement | ||
− | de notre stockage (on fait l'hypothèse qu'il y a une gestion du trop plein et qu'on n'a donc | + | <!--T:152--> |
+ | de notre stockage (on fait l'hypothèse qu'il y a une gestion du trop plein et qu'on n'a donc | ||
+ | <!--T:153--> | ||
pas de problèmes de réservoir qui déborde) et qu'on satisfait les besoins de consommation.</translate> | pas de problèmes de réservoir qui déborde) et qu'on satisfait les besoins de consommation.</translate> | ||
}} | }} | ||
{{Tuto Step | {{Tuto Step | ||
− | |Step_Title=<translate>Optimiser le stockage</translate> | + | |Step_Title=<translate><!--T:154--> |
− | |Step_Content=<translate>Le bout de code python amélioré est le suivant (les commentaires expliquent chaque etape). | + | Optimiser le stockage et prendre en compte une utilisation supplémentaire d'eau en periode estivale</translate> |
+ | |Step_Content=<translate><!--T:155--> | ||
+ | Le bout de code python amélioré est le suivant (les commentaires expliquent chaque etape). | ||
+ | <!--T:156--> | ||
Pour expliquer un peu l’étape de l’itération : | Pour expliquer un peu l’étape de l’itération : | ||
− | On démarre aux volume0 et surface0 | + | On démarre aux volume0 de capacité et surface0 de surface précalculées dans l’étape précédente. |
− | On a une première boucle d’iteration 6 fois de +33 % de la surface, et pour chaque itération de surface, on a une deuxième boucle d’iteration 40 fois de +50 % du volume. On s’arrete à chaque boucle d’iteration dès que le dimensionnement convient et on enregistre le resultat | + | On fait des boucles d'itérations sur les données de précipitations et chaque jour on fait la soustraction |
− | + | eau recupérée-consommation journalière+consommation estivale si en periode estivale | |
+ | En cas de tarissement: | ||
+ | on a une première boucle d’iteration 6 fois de +33 % de la surface, et pour chaque itération de surface, on a une deuxième boucle d’iteration 40 fois de +50 % du volume. On s’arrete à chaque boucle d’iteration dès que le dimensionnement convient et on enregistre le resultat. | ||
+ | On affiche les résultats à la fin des itérations. | ||
+ | <!--T:157--> | ||
<pre> | <pre> | ||
import math | import math | ||
Ligne 585 : | Ligne 686 : | ||
# les stations météos adhoc | # les stations météos adhoc | ||
+ | <!--T:158--> | ||
# Processing des data | # Processing des data | ||
print("\nprocessing des data\n") | print("\nprocessing des data\n") | ||
Ligne 593 : | Ligne 695 : | ||
#07535 gourdon | #07535 gourdon | ||
+ | <!--T:159--> | ||
#stations météos "hard coded" | #stations météos "hard coded" | ||
stations=[{'ID': '07005', 'Nom': 'ABBEVILLE', 'Latitude': '50.136000', 'Longitude': '1.834000', 'Altitude': '69'}, {'ID': '07015', 'Nom': 'LILLE-LESQUIN', 'Latitude': '50.570000', 'Longitude': '3.097500', 'Altitude': '47'}, {'ID': '07020', 'Nom': 'PTE DE LA HAGUE', 'Latitude': '49.725167', 'Longitude': '-1.939833', 'Altitude': '6'}, {'ID': '07027', 'Nom': 'CAEN-CARPIQUET', 'Latitude': '49.180000', 'Longitude': '-0.456167', 'Altitude': '67'}, {'ID': '07037', 'Nom': 'ROUEN-BOOS', 'Latitude': '49.383000', 'Longitude': '1.181667', 'Altitude': '151'}, {'ID': '07072', 'Nom': 'REIMS-PRUNAY', 'Latitude': '49.209667', 'Longitude': '4.155333', 'Altitude': '95'}, {'ID': '07110', 'Nom': 'BREST-GUIPAVAS', 'Latitude': '48.444167', 'Longitude': '-4.412000', 'Altitude': '94'}, {'ID': '07117', 'Nom': "PLOUMANAC'H", 'Latitude': '48.825833', 'Longitude': '-3.473167', 'Altitude': '55'}, {'ID': '07130', 'Nom': 'RENNES-ST JACQUES', 'Latitude': '48.068833', 'Longitude': '-1.734000', 'Altitude': '36'}, {'ID': '07139', 'Nom': 'ALENCON', 'Latitude': '48.445500', 'Longitude': '0.110167', 'Altitude': '143'}, {'ID': '07149', 'Nom': 'ORLY', 'Latitude': '48.716833', 'Longitude': '2.384333', 'Altitude': '89'}, {'ID': '07168', 'Nom': 'TROYES-BARBEREY', 'Latitude': '48.324667', 'Longitude': '4.020000', 'Altitude': '112'}, {'ID': '07181', 'Nom': 'NANCY-OCHEY', 'Latitude': '48.581000', 'Longitude': '5.959833', 'Altitude': '336'}, {'ID': '07190', 'Nom': 'STRASBOURG-ENTZHEIM', 'Latitude': '48.549500', 'Longitude': '7.640333', 'Altitude': '150'}, {'ID': '07207', 'Nom': 'BELLE ILE-LE TALUT', 'Latitude': '47.294333', 'Longitude': '-3.218333', 'Altitude': '34'}, {'ID': '07222', 'Nom': 'NANTES-BOUGUENAIS', 'Latitude': '47.150000', 'Longitude': '-1.608833', 'Altitude': '26'}, {'ID': '07240', 'Nom': 'TOURS', 'Latitude': '47.444500', 'Longitude': '0.727333', 'Altitude': '108'}, {'ID': '07255', 'Nom': 'BOURGES', 'Latitude': '47.059167', 'Longitude': '2.359833', 'Altitude': '161'}, {'ID': '07280', 'Nom': 'DIJON-LONGVIC', 'Latitude': '47.267833', 'Longitude': '5.088333', 'Altitude': '219'}, {'ID': '07299', 'Nom': 'BALE-MULHOUSE', 'Latitude': '47.614333', 'Longitude': '7.510000', 'Altitude': '263'}, {'ID': '07314', 'Nom': 'PTE DE CHASSIRON', 'Latitude': '46.046833', 'Longitude': '-1.411500', 'Altitude': '11'}, {'ID': '07335', 'Nom': 'POITIERS-BIARD', 'Latitude': '46.593833', 'Longitude': '0.314333', 'Altitude': '123'}, {'ID': '07434', 'Nom': 'LIMOGES-BELLEGARDE', 'Latitude': '45.861167', 'Longitude': '1.175000', 'Altitude': '402'}, {'ID': '07460', 'Nom': 'CLERMONT-FD', 'Latitude': '45.786833', 'Longitude': '3.149333', 'Altitude': '331'}, {'ID': '07471', 'Nom': 'LE PUY-LOUDES', 'Latitude': '45.074500', 'Longitude': '3.764000', 'Altitude': '833'}, {'ID': '07481', 'Nom': 'LYON-ST EXUPERY', 'Latitude': '45.726500', 'Longitude': '5.077833', 'Altitude': '235'}, {'ID': '07510', 'Nom': 'BORDEAUX-MERIGNAC', 'Latitude': '44.830667', 'Longitude': '-0.691333', 'Altitude': '47'}, {'ID': '07535', 'Nom': 'GOURDON', 'Latitude': '44.745000', 'Longitude': '1.396667', 'Altitude': '260'}, {'ID': '07558', 'Nom': 'MILLAU', 'Latitude': '44.118500', 'Longitude': '3.019500', 'Altitude': '712'}, {'ID': '07577', 'Nom': 'MONTELIMAR', 'Latitude': '44.581167', 'Longitude': '4.733000', 'Altitude': '73'}, {'ID': '07591', 'Nom': 'EMBRUN', 'Latitude': '44.565667', 'Longitude': '6.502333', 'Altitude': '871'}, {'ID': '07607', 'Nom': 'MONT-DE-MARSAN', 'Latitude': '43.909833', 'Longitude': '-0.500167', 'Altitude': '59'}, {'ID': '07621', 'Nom': 'TARBES-OSSUN', 'Latitude': '43.188000', 'Longitude': '0.000000', 'Altitude': '360'}, {'ID': '07627', 'Nom': 'ST GIRONS', 'Latitude': '43.005333', 'Longitude': '1.106833', 'Altitude': '414'}, {'ID': '07630', 'Nom': 'TOULOUSE-BLAGNAC', 'Latitude': '43.621000', 'Longitude': '1.378833', 'Altitude': '151'}, {'ID': '07643', 'Nom': 'MONTPELLIER', 'Latitude': '43.577000', 'Longitude': '3.963167', 'Altitude': '2'}, {'ID': '07650', 'Nom': 'MARIGNANE', 'Latitude': '43.437667', 'Longitude': '5.216000', 'Altitude': '9'}, {'ID': '07661', 'Nom': 'CAP CEPET', 'Latitude': '43.079333', 'Longitude': '5.940833', 'Altitude': '115'}, {'ID': '07690', 'Nom': 'NICE', 'Latitude': '43.648833', 'Longitude': '7.209000', 'Altitude': '2'}, {'ID': '07747', 'Nom': 'PERPIGNAN', 'Latitude': '42.737167', 'Longitude': '2.872833', 'Altitude': '42'}, {'ID': '07761', 'Nom': 'AJACCIO', 'Latitude': '41.918000', 'Longitude': '8.792667', 'Altitude': '5'}, {'ID': '07790', 'Nom': 'BASTIA', 'Latitude': '42.540667', 'Longitude': '9.485167', 'Altitude': '10'}, {'ID': '61968', 'Nom': 'GLORIEUSES', 'Latitude': '-11.582667', 'Longitude': '47.289667', 'Altitude': '3'}, {'ID': '61970', 'Nom': 'JUAN DE NOVA', 'Latitude': '-17.054667', 'Longitude': '42.712000', 'Altitude': '9'}, {'ID': '61972', 'Nom': 'EUROPA', 'Latitude': '-22.344167', 'Longitude': '40.340667', 'Altitude': '6'}, {'ID': '61976', 'Nom': 'TROMELIN', 'Latitude': '-15.887667', 'Longitude': '54.520667', 'Altitude': '7'}, {'ID': '61980', 'Nom': 'GILLOT-AEROPORT', 'Latitude': '-20.892500', 'Longitude': '55.528667', 'Altitude': '8'}, {'ID': '61996', 'Nom': 'NOUVELLE AMSTERDAM', 'Latitude': '-37.795167', 'Longitude': '77.569167', 'Altitude': '27'}, {'ID': '61997', 'Nom': 'CROZET', 'Latitude': '-46.432500', 'Longitude': '51.856667', 'Altitude': '146'}, {'ID': '61998', 'Nom': 'KERGUELEN', 'Latitude': '-49.352333', 'Longitude': '70.243333', 'Altitude': '29'}, {'ID': '67005', 'Nom': 'PAMANDZI', 'Latitude': '-12.805500', 'Longitude': '45.282833', 'Altitude': '7'}, {'ID': '71805', 'Nom': 'ST-PIERRE', 'Latitude': '46.766333', 'Longitude': '-56.179167', 'Altitude': '21'}, {'ID': '78890', 'Nom': 'LA DESIRADE METEO', 'Latitude': '16.335000', 'Longitude': '-61.004000', 'Altitude': '27'}, {'ID': '78894', 'Nom': 'ST-BARTHELEMY METEO', 'Latitude': '17.901500', 'Longitude': '-62.852167', 'Altitude': '44'}, {'ID': '78897', 'Nom': 'LE RAIZET AERO', 'Latitude': '16.264000', 'Longitude': '-61.516333', 'Altitude': '11'}, {'ID': '78922', 'Nom': 'TRINITE-CARAVEL', 'Latitude': '14.774500', 'Longitude': '-60.875333', 'Altitude': '26'}, {'ID': '78925', 'Nom': 'LAMENTIN-AERO', 'Latitude': '14.595333', 'Longitude': '-60.995667', 'Altitude': '3'}, {'ID': '81401', 'Nom': 'SAINT LAURENT', 'Latitude': '5.485500', 'Longitude': '-54.031667', 'Altitude': '5'}, {'ID': '81405', 'Nom': 'CAYENNE-MATOURY', 'Latitude': '4.822333', 'Longitude': '-52.365333', 'Altitude': '4'}, {'ID': '81408', 'Nom': 'SAINT GEORGES', 'Latitude': '3.890667', 'Longitude': '-51.804667', 'Altitude': '6'}, {'ID': '81415', 'Nom': 'MARIPASOULA', 'Latitude': '3.640167', 'Longitude': '-54.028333', 'Altitude': '106'}, {'ID': '89642', 'Nom': "DUMONT D'URVILLE", 'Latitude': '-66.663167', 'Longitude': '140.001000', 'Altitude': '43'}] | stations=[{'ID': '07005', 'Nom': 'ABBEVILLE', 'Latitude': '50.136000', 'Longitude': '1.834000', 'Altitude': '69'}, {'ID': '07015', 'Nom': 'LILLE-LESQUIN', 'Latitude': '50.570000', 'Longitude': '3.097500', 'Altitude': '47'}, {'ID': '07020', 'Nom': 'PTE DE LA HAGUE', 'Latitude': '49.725167', 'Longitude': '-1.939833', 'Altitude': '6'}, {'ID': '07027', 'Nom': 'CAEN-CARPIQUET', 'Latitude': '49.180000', 'Longitude': '-0.456167', 'Altitude': '67'}, {'ID': '07037', 'Nom': 'ROUEN-BOOS', 'Latitude': '49.383000', 'Longitude': '1.181667', 'Altitude': '151'}, {'ID': '07072', 'Nom': 'REIMS-PRUNAY', 'Latitude': '49.209667', 'Longitude': '4.155333', 'Altitude': '95'}, {'ID': '07110', 'Nom': 'BREST-GUIPAVAS', 'Latitude': '48.444167', 'Longitude': '-4.412000', 'Altitude': '94'}, {'ID': '07117', 'Nom': "PLOUMANAC'H", 'Latitude': '48.825833', 'Longitude': '-3.473167', 'Altitude': '55'}, {'ID': '07130', 'Nom': 'RENNES-ST JACQUES', 'Latitude': '48.068833', 'Longitude': '-1.734000', 'Altitude': '36'}, {'ID': '07139', 'Nom': 'ALENCON', 'Latitude': '48.445500', 'Longitude': '0.110167', 'Altitude': '143'}, {'ID': '07149', 'Nom': 'ORLY', 'Latitude': '48.716833', 'Longitude': '2.384333', 'Altitude': '89'}, {'ID': '07168', 'Nom': 'TROYES-BARBEREY', 'Latitude': '48.324667', 'Longitude': '4.020000', 'Altitude': '112'}, {'ID': '07181', 'Nom': 'NANCY-OCHEY', 'Latitude': '48.581000', 'Longitude': '5.959833', 'Altitude': '336'}, {'ID': '07190', 'Nom': 'STRASBOURG-ENTZHEIM', 'Latitude': '48.549500', 'Longitude': '7.640333', 'Altitude': '150'}, {'ID': '07207', 'Nom': 'BELLE ILE-LE TALUT', 'Latitude': '47.294333', 'Longitude': '-3.218333', 'Altitude': '34'}, {'ID': '07222', 'Nom': 'NANTES-BOUGUENAIS', 'Latitude': '47.150000', 'Longitude': '-1.608833', 'Altitude': '26'}, {'ID': '07240', 'Nom': 'TOURS', 'Latitude': '47.444500', 'Longitude': '0.727333', 'Altitude': '108'}, {'ID': '07255', 'Nom': 'BOURGES', 'Latitude': '47.059167', 'Longitude': '2.359833', 'Altitude': '161'}, {'ID': '07280', 'Nom': 'DIJON-LONGVIC', 'Latitude': '47.267833', 'Longitude': '5.088333', 'Altitude': '219'}, {'ID': '07299', 'Nom': 'BALE-MULHOUSE', 'Latitude': '47.614333', 'Longitude': '7.510000', 'Altitude': '263'}, {'ID': '07314', 'Nom': 'PTE DE CHASSIRON', 'Latitude': '46.046833', 'Longitude': '-1.411500', 'Altitude': '11'}, {'ID': '07335', 'Nom': 'POITIERS-BIARD', 'Latitude': '46.593833', 'Longitude': '0.314333', 'Altitude': '123'}, {'ID': '07434', 'Nom': 'LIMOGES-BELLEGARDE', 'Latitude': '45.861167', 'Longitude': '1.175000', 'Altitude': '402'}, {'ID': '07460', 'Nom': 'CLERMONT-FD', 'Latitude': '45.786833', 'Longitude': '3.149333', 'Altitude': '331'}, {'ID': '07471', 'Nom': 'LE PUY-LOUDES', 'Latitude': '45.074500', 'Longitude': '3.764000', 'Altitude': '833'}, {'ID': '07481', 'Nom': 'LYON-ST EXUPERY', 'Latitude': '45.726500', 'Longitude': '5.077833', 'Altitude': '235'}, {'ID': '07510', 'Nom': 'BORDEAUX-MERIGNAC', 'Latitude': '44.830667', 'Longitude': '-0.691333', 'Altitude': '47'}, {'ID': '07535', 'Nom': 'GOURDON', 'Latitude': '44.745000', 'Longitude': '1.396667', 'Altitude': '260'}, {'ID': '07558', 'Nom': 'MILLAU', 'Latitude': '44.118500', 'Longitude': '3.019500', 'Altitude': '712'}, {'ID': '07577', 'Nom': 'MONTELIMAR', 'Latitude': '44.581167', 'Longitude': '4.733000', 'Altitude': '73'}, {'ID': '07591', 'Nom': 'EMBRUN', 'Latitude': '44.565667', 'Longitude': '6.502333', 'Altitude': '871'}, {'ID': '07607', 'Nom': 'MONT-DE-MARSAN', 'Latitude': '43.909833', 'Longitude': '-0.500167', 'Altitude': '59'}, {'ID': '07621', 'Nom': 'TARBES-OSSUN', 'Latitude': '43.188000', 'Longitude': '0.000000', 'Altitude': '360'}, {'ID': '07627', 'Nom': 'ST GIRONS', 'Latitude': '43.005333', 'Longitude': '1.106833', 'Altitude': '414'}, {'ID': '07630', 'Nom': 'TOULOUSE-BLAGNAC', 'Latitude': '43.621000', 'Longitude': '1.378833', 'Altitude': '151'}, {'ID': '07643', 'Nom': 'MONTPELLIER', 'Latitude': '43.577000', 'Longitude': '3.963167', 'Altitude': '2'}, {'ID': '07650', 'Nom': 'MARIGNANE', 'Latitude': '43.437667', 'Longitude': '5.216000', 'Altitude': '9'}, {'ID': '07661', 'Nom': 'CAP CEPET', 'Latitude': '43.079333', 'Longitude': '5.940833', 'Altitude': '115'}, {'ID': '07690', 'Nom': 'NICE', 'Latitude': '43.648833', 'Longitude': '7.209000', 'Altitude': '2'}, {'ID': '07747', 'Nom': 'PERPIGNAN', 'Latitude': '42.737167', 'Longitude': '2.872833', 'Altitude': '42'}, {'ID': '07761', 'Nom': 'AJACCIO', 'Latitude': '41.918000', 'Longitude': '8.792667', 'Altitude': '5'}, {'ID': '07790', 'Nom': 'BASTIA', 'Latitude': '42.540667', 'Longitude': '9.485167', 'Altitude': '10'}, {'ID': '61968', 'Nom': 'GLORIEUSES', 'Latitude': '-11.582667', 'Longitude': '47.289667', 'Altitude': '3'}, {'ID': '61970', 'Nom': 'JUAN DE NOVA', 'Latitude': '-17.054667', 'Longitude': '42.712000', 'Altitude': '9'}, {'ID': '61972', 'Nom': 'EUROPA', 'Latitude': '-22.344167', 'Longitude': '40.340667', 'Altitude': '6'}, {'ID': '61976', 'Nom': 'TROMELIN', 'Latitude': '-15.887667', 'Longitude': '54.520667', 'Altitude': '7'}, {'ID': '61980', 'Nom': 'GILLOT-AEROPORT', 'Latitude': '-20.892500', 'Longitude': '55.528667', 'Altitude': '8'}, {'ID': '61996', 'Nom': 'NOUVELLE AMSTERDAM', 'Latitude': '-37.795167', 'Longitude': '77.569167', 'Altitude': '27'}, {'ID': '61997', 'Nom': 'CROZET', 'Latitude': '-46.432500', 'Longitude': '51.856667', 'Altitude': '146'}, {'ID': '61998', 'Nom': 'KERGUELEN', 'Latitude': '-49.352333', 'Longitude': '70.243333', 'Altitude': '29'}, {'ID': '67005', 'Nom': 'PAMANDZI', 'Latitude': '-12.805500', 'Longitude': '45.282833', 'Altitude': '7'}, {'ID': '71805', 'Nom': 'ST-PIERRE', 'Latitude': '46.766333', 'Longitude': '-56.179167', 'Altitude': '21'}, {'ID': '78890', 'Nom': 'LA DESIRADE METEO', 'Latitude': '16.335000', 'Longitude': '-61.004000', 'Altitude': '27'}, {'ID': '78894', 'Nom': 'ST-BARTHELEMY METEO', 'Latitude': '17.901500', 'Longitude': '-62.852167', 'Altitude': '44'}, {'ID': '78897', 'Nom': 'LE RAIZET AERO', 'Latitude': '16.264000', 'Longitude': '-61.516333', 'Altitude': '11'}, {'ID': '78922', 'Nom': 'TRINITE-CARAVEL', 'Latitude': '14.774500', 'Longitude': '-60.875333', 'Altitude': '26'}, {'ID': '78925', 'Nom': 'LAMENTIN-AERO', 'Latitude': '14.595333', 'Longitude': '-60.995667', 'Altitude': '3'}, {'ID': '81401', 'Nom': 'SAINT LAURENT', 'Latitude': '5.485500', 'Longitude': '-54.031667', 'Altitude': '5'}, {'ID': '81405', 'Nom': 'CAYENNE-MATOURY', 'Latitude': '4.822333', 'Longitude': '-52.365333', 'Altitude': '4'}, {'ID': '81408', 'Nom': 'SAINT GEORGES', 'Latitude': '3.890667', 'Longitude': '-51.804667', 'Altitude': '6'}, {'ID': '81415', 'Nom': 'MARIPASOULA', 'Latitude': '3.640167', 'Longitude': '-54.028333', 'Altitude': '106'}, {'ID': '89642', 'Nom': "DUMONT D'URVILLE", 'Latitude': '-66.663167', 'Longitude': '140.001000', 'Altitude': '43'}] | ||
− | + | <!--T:160--> | |
def distance(lat1, lon1, lat2, lon2): | def distance(lat1, lon1, lat2, lon2): | ||
""" | """ | ||
Ligne 603 : | Ligne 706 : | ||
return math.sqrt((lat2 - lat1)**2 + (lon2 - lon1)**2) | return math.sqrt((lat2 - lat1)**2 + (lon2 - lon1)**2) | ||
+ | <!--T:161--> | ||
def station_la_plus_proche(x, y, stations): | def station_la_plus_proche(x, y, stations): | ||
""" | """ | ||
Ligne 620 : | Ligne 724 : | ||
return station_proche | return station_proche | ||
+ | <!--T:162--> | ||
# Demander à l'utilisateur d'entrer la latitude et la longitude | # Demander à l'utilisateur d'entrer la latitude et la longitude | ||
x_input = input("Entrez la latitude de votre lieux: ") | x_input = input("Entrez la latitude de votre lieux: ") | ||
y_input = input("Entrez la longitude de votre lieux: ") | y_input = input("Entrez la longitude de votre lieux: ") | ||
+ | <!--T:163--> | ||
# Remplacer les virgules par des points | # Remplacer les virgules par des points | ||
x_input = float(x_input.replace(',', '.')) | x_input = float(x_input.replace(',', '.')) | ||
y_input = float(y_input.replace(',', '.')) | y_input = float(y_input.replace(',', '.')) | ||
+ | <!--T:164--> | ||
# Utilisez les valeurs entrées par l'utilisateur comme variables x et y pour trouver la station météo la plus proche | # Utilisez les valeurs entrées par l'utilisateur comme variables x et y pour trouver la station météo la plus proche | ||
station_proche = station_la_plus_proche(x_input, y_input, stations) | station_proche = station_la_plus_proche(x_input, y_input, stations) | ||
− | print("\nLa station météo la plus proche est:", station_proche['Nom']) | + | print("\nLa station météo la plus proche est:", station_proche['Nom']) |
+ | <!--T:165--> | ||
# Demander à l'utilisateur d'entrer sa consommation d'eau hebdomadaire | # Demander à l'utilisateur d'entrer sa consommation d'eau hebdomadaire | ||
− | waterconsohebdo = input("Entrez la consommation d'eau hebdomadaire (L): ") | + | waterconsohebdo = input("Entrez la consommation d'eau hebdomadaire constante(L): ") |
+ | <!--T:166--> | ||
# Remplacer les virgules par des points | # Remplacer les virgules par des points | ||
waterconsohebdo = float(waterconsohebdo.replace(',', '.')) | waterconsohebdo = float(waterconsohebdo.replace(',', '.')) | ||
+ | <!--T:167--> | ||
# Calcul consommation journaliere moyenne | # Calcul consommation journaliere moyenne | ||
waterconsojour = waterconsohebdo/7 | waterconsojour = waterconsohebdo/7 | ||
+ | <!--T:168--> | ||
+ | # Demander à l'utilisateur d'entrer le mois de debut de la periode estivale | ||
+ | moisdebutete = input("Entrez le mois de début pour la consommation d'eau hebdomadaire supplémentaire en periode estivale (1,2,3,4,5,6,7,8,9,10,11,12): ") | ||
+ | try: | ||
+ | _=int(moisdebutete) | ||
+ | moisdebutete=_ | ||
+ | except Exception as err: | ||
+ | moisdebutete=5 | ||
+ | print(f"\nerreur de type ou valeur utilisateur vide, poursuite avec utilisation de moisdebutete={moisdebutete}") | ||
+ | |||
+ | <!--T:169--> | ||
+ | # Demander à l'utilisateur d'entrer le mois de fin de la periode estivale | ||
+ | moisfinete = input("Entrez le mois de fin pour la consommation d'eau hebdomadaire supplémentaire en periode estivale (1,2,3,4,5,6,7,8,9,10,11,12): ") | ||
+ | try: | ||
+ | _=int(moisfinete) | ||
+ | moisfinete=_ | ||
+ | except Exception as err: | ||
+ | moisfinete=9 | ||
+ | print(f"\nerreur de type ou valeur utilisateur vide, poursuite avec utilisation de moisfinete={moisfinete}") | ||
+ | |||
+ | <!--T:170--> | ||
+ | # Demander à l'utilisateur d'entrer la consommation d'eau supplémentaire en periode estivale | ||
+ | waterconsohebdoete = input("Entrez la consommation d'eau hebdomadaire supplémentaire en periode estivale (L) - 0 L par defaut: ") | ||
+ | try: | ||
+ | _=float(waterconsohebdoete.replace(',', '.')) # Remplacer les virgules par des points | ||
+ | |||
+ | <!--T:171--> | ||
+ | waterconsohebdoete=_ | ||
+ | except Exception as err: | ||
+ | waterconsohebdoete=0 | ||
+ | print(f"\nerreur de type ou valeur utilisateur vide, poursuite avec utilisation de waterconsohebdoete={waterconsohebdoete}L") | ||
+ | |||
+ | <!--T:172--> | ||
+ | # Calcul consommation journaliere moyenne | ||
+ | waterconsojourete = waterconsohebdoete/7 | ||
+ | |||
+ | <!--T:173--> | ||
result=combined_df[combined_df['numer_sta']==int(station_proche['ID'])] | result=combined_df[combined_df['numer_sta']==int(station_proche['ID'])] | ||
+ | <!--T:174--> | ||
# Convertir la colonne 'date_column' dans un format datetime et la mettre en index trié | # Convertir la colonne 'date_column' dans un format datetime et la mettre en index trié | ||
result['datetime'] = pd.to_datetime(result['date'], format='%Y%m%d%H%M%S') | result['datetime'] = pd.to_datetime(result['date'], format='%Y%m%d%H%M%S') | ||
Ligne 648 : | Ligne 796 : | ||
result = result.sort_index() | result = result.sort_index() | ||
+ | <!--T:175--> | ||
# remplacer les données manquantes par 0 | # remplacer les données manquantes par 0 | ||
result['rr3']=result['rr3'].replace('mq','0') | result['rr3']=result['rr3'].replace('mq','0') | ||
result['rr3']=result['rr3'].astype('float') | result['rr3']=result['rr3'].astype('float') | ||
+ | <!--T:176--> | ||
# Ne garder que la colonne des précipitations des 3 dernieres heures | # Ne garder que la colonne des précipitations des 3 dernieres heures | ||
result=result['rr3'] | result=result['rr3'] | ||
+ | <!--T:177--> | ||
# Calculer les sommes de précipitations par jour | # Calculer les sommes de précipitations par jour | ||
resultday=result.resample('D').sum() | resultday=result.resample('D').sum() | ||
+ | resultdaymonthindex=resultday.copy() | ||
+ | resultdaymonthindex.index=resultdaymonthindex.index.month | ||
print("\nMoyenne par jour (mm):\n", resultday.mean()) | print("\nMoyenne par jour (mm):\n", resultday.mean()) | ||
print("Minimum par jour (mm):\n", resultday.min()) | print("Minimum par jour (mm):\n", resultday.min()) | ||
print("Maximum par jour (mm):\n", resultday.max()) | print("Maximum par jour (mm):\n", resultday.max()) | ||
− | + | <!--T:178--> | |
# Calculer les sommes de précipitations par semaine | # Calculer les sommes de précipitations par semaine | ||
resultweek=result.resample('W').sum() | resultweek=result.resample('W').sum() | ||
+ | <!--T:179--> | ||
# Calculer les sommes de précipitations par mois | # Calculer les sommes de précipitations par mois | ||
resultmonth=result.resample('ME').sum() | resultmonth=result.resample('ME').sum() | ||
+ | <!--T:180--> | ||
# Calculer les sommes de précipitations par trimestre | # Calculer les sommes de précipitations par trimestre | ||
resulttrim=result.resample('QE').sum() | resulttrim=result.resample('QE').sum() | ||
Ligne 673 : | Ligne 828 : | ||
print(resulttrim) | print(resulttrim) | ||
+ | <!--T:181--> | ||
# Calculer les sommes de précipitations par an | # Calculer les sommes de précipitations par an | ||
resultyear=result.resample('YE').sum() | resultyear=result.resample('YE').sum() | ||
print("\nPrécipitations annuelles moyennes (mm):\n",resultyear.mean()) | print("\nPrécipitations annuelles moyennes (mm):\n",resultyear.mean()) | ||
+ | <!--T:182--> | ||
# Calculer le nombre de jours consécutifs maximum sans pluie | # Calculer le nombre de jours consécutifs maximum sans pluie | ||
max_streak = 0 | max_streak = 0 | ||
Ligne 688 : | Ligne 845 : | ||
print(f"\nNombre de jours consecutifs maximum sans pluie: {max_streak}") | print(f"\nNombre de jours consecutifs maximum sans pluie: {max_streak}") | ||
+ | <!--T:183--> | ||
# Moyenne par trimestre pour chaque trimestre | # Moyenne par trimestre pour chaque trimestre | ||
moyenne_trimestrielle_par_trimestre = resulttrim.groupby(resulttrim.index.quarter).mean() | moyenne_trimestrielle_par_trimestre = resulttrim.groupby(resulttrim.index.quarter).mean() | ||
+ | <!--T:184--> | ||
# Minimum par trimestre pour chaque trimestre | # Minimum par trimestre pour chaque trimestre | ||
min_trimestrielle_par_trimestre = resulttrim.groupby(resulttrim.index.quarter).min() | min_trimestrielle_par_trimestre = resulttrim.groupby(resulttrim.index.quarter).min() | ||
+ | <!--T:185--> | ||
# Maximum par trimestre pour chaque trimestre | # Maximum par trimestre pour chaque trimestre | ||
max_trimestrielle_par_trimestre = resulttrim.groupby(resulttrim.index.quarter).max() | max_trimestrielle_par_trimestre = resulttrim.groupby(resulttrim.index.quarter).max() | ||
+ | <!--T:186--> | ||
# Imprimer les résultats | # Imprimer les résultats | ||
print("\nMoyenne par trimestre pour chaque trimestre (mm):\n", moyenne_trimestrielle_par_trimestre) | print("\nMoyenne par trimestre pour chaque trimestre (mm):\n", moyenne_trimestrielle_par_trimestre) | ||
Ligne 702 : | Ligne 863 : | ||
print("\nMaximum par trimestre pour chaque trimestre (mm):\n", max_trimestrielle_par_trimestre) | print("\nMaximum par trimestre pour chaque trimestre (mm):\n", max_trimestrielle_par_trimestre) | ||
− | + | <!--T:187--> | |
#Prise en comptes changement climatiques (hypothèses conservatrices multimodeles drias precipitations): | #Prise en comptes changement climatiques (hypothèses conservatrices multimodeles drias precipitations): | ||
# Definir les impacts sur les volumes de précipitations par saison | # Definir les impacts sur les volumes de précipitations par saison | ||
adjustments = {0: -15, 1: -10, 2: -50, 3: -15} # Adjust line 1 by -15%, line 2 by -10%, line 3 by -50%, line 4 by -15% | adjustments = {0: -15, 1: -10, 2: -50, 3: -15} # Adjust line 1 by -15%, line 2 by -10%, line 3 by -50%, line 4 by -15% | ||
+ | <!--T:188--> | ||
# Appliquer les impacts sur les précipitations moyennes par trimestres: | # Appliquer les impacts sur les précipitations moyennes par trimestres: | ||
cc_moyenne_trimestrielle_par_trimestre=moyenne_trimestrielle_par_trimestre.copy() | cc_moyenne_trimestrielle_par_trimestre=moyenne_trimestrielle_par_trimestre.copy() | ||
Ligne 712 : | Ligne 874 : | ||
cc_moyenne_trimestrielle_par_trimestre.iloc[line] = cc_moyenne_trimestrielle_par_trimestre.iloc[line]+cc_moyenne_trimestrielle_par_trimestre.iloc[line]*adjustment/100 | cc_moyenne_trimestrielle_par_trimestre.iloc[line] = cc_moyenne_trimestrielle_par_trimestre.iloc[line]+cc_moyenne_trimestrielle_par_trimestre.iloc[line]*adjustment/100 | ||
+ | <!--T:189--> | ||
print("\nMoyenne par trimestre pour chaque trimestre avec prise en compte du changement climatique (mm):\n", cc_moyenne_trimestrielle_par_trimestre) | print("\nMoyenne par trimestre pour chaque trimestre avec prise en compte du changement climatique (mm):\n", cc_moyenne_trimestrielle_par_trimestre) | ||
− | + | <!--T:190--> | |
# Minimum par jour pour chaque trimestre | # Minimum par jour pour chaque trimestre | ||
min_par_jour_par_trimestre = resultday.groupby(resultday.index.quarter).min() | min_par_jour_par_trimestre = resultday.groupby(resultday.index.quarter).min() | ||
min_par_jour_par_trimestre=min_par_jour_par_trimestre.rename_axis('trimestre') | min_par_jour_par_trimestre=min_par_jour_par_trimestre.rename_axis('trimestre') | ||
+ | <!--T:191--> | ||
# Maximum par jour pour chaque trimestre | # Maximum par jour pour chaque trimestre | ||
max_par_jour_par_trimestre = resultday.groupby(resultday.index.quarter).max() | max_par_jour_par_trimestre = resultday.groupby(resultday.index.quarter).max() | ||
max_par_jour_par_trimestre=max_par_jour_par_trimestre.rename_axis('trimestre') | max_par_jour_par_trimestre=max_par_jour_par_trimestre.rename_axis('trimestre') | ||
+ | <!--T:192--> | ||
# Moyenne par jour pour chaque trimestre | # Moyenne par jour pour chaque trimestre | ||
moyenne_par_jour_par_trimestre = resultday.groupby(resultday.index.quarter).mean() | moyenne_par_jour_par_trimestre = resultday.groupby(resultday.index.quarter).mean() | ||
moyenne_par_jour_par_trimestre=moyenne_par_jour_par_trimestre.rename_axis('trimestre') | moyenne_par_jour_par_trimestre=moyenne_par_jour_par_trimestre.rename_axis('trimestre') | ||
+ | <!--T:193--> | ||
# Imprimer les résultats | # Imprimer les résultats | ||
print("\nMinimum par jour pour chaque trimestre (mm):\n", min_par_jour_par_trimestre) | print("\nMinimum par jour pour chaque trimestre (mm):\n", min_par_jour_par_trimestre) | ||
Ligne 732 : | Ligne 898 : | ||
print("\nMoyenne par jour pour chaque trimestre (mm):\n", moyenne_par_jour_par_trimestre) | print("\nMoyenne par jour pour chaque trimestre (mm):\n", moyenne_par_jour_par_trimestre) | ||
− | + | <!--T:194--> | |
#Calcul seuil mini surface de recuperation: | #Calcul seuil mini surface de recuperation: | ||
surf0=(1/2)*math.ceil((13*waterconsohebdo)/min(moyenne_trimestrielle_par_trimestre)) | surf0=(1/2)*math.ceil((13*waterconsohebdo)/min(moyenne_trimestrielle_par_trimestre)) | ||
Ligne 739 : | Ligne 905 : | ||
{int(math.ceil(surf0))} m2""") | {int(math.ceil(surf0))} m2""") | ||
+ | <!--T:195--> | ||
#Calcul seuil mini reservoir: | #Calcul seuil mini reservoir: | ||
contraintejourmax=(resultday.max())*surf0 | contraintejourmax=(resultday.max())*surf0 | ||
Ligne 747 : | Ligne 914 : | ||
{int(math.ceil(volume0))} L""") | {int(math.ceil(volume0))} L""") | ||
+ | <!--T:196--> | ||
surf0_input = input("\n\nSi vous souhaitez corriger la valeur initiale de surface (m2) pour les itérations, entrer votre valeur, sinon appuyer sur entree") | surf0_input = input("\n\nSi vous souhaitez corriger la valeur initiale de surface (m2) pour les itérations, entrer votre valeur, sinon appuyer sur entree") | ||
try: | try: | ||
Ligne 754 : | Ligne 922 : | ||
print(f"\nerreur de type ou valeur utilisateur vide, poursuite avec utilisation de surf0={surf0}m2") | print(f"\nerreur de type ou valeur utilisateur vide, poursuite avec utilisation de surf0={surf0}m2") | ||
− | + | <!--T:197--> | |
volume0_input = input("\n\nSi vous souhaitez corriger la valeur initiale de volume (L) pour les itérations, entrer votre valeur, sinon appuyer sur entree") | volume0_input = input("\n\nSi vous souhaitez corriger la valeur initiale de volume (L) pour les itérations, entrer votre valeur, sinon appuyer sur entree") | ||
try: | try: | ||
Ligne 762 : | Ligne 930 : | ||
print(f"\nerreur de type ou valeur utilisateur vide, poursuite avec utilisation de volume0={volume0}L") | print(f"\nerreur de type ou valeur utilisateur vide, poursuite avec utilisation de volume0={volume0}L") | ||
+ | <!--T:198--> | ||
# Itérations algorithmiques stockage&consommation | # Itérations algorithmiques stockage&consommation | ||
− | + | <!--T:199--> | |
+ | #hypothèse récupérateur 2/3 plein à t0 | ||
+ | water=(2/3)*volume0 | ||
+ | resultsurfvolume=(volume0,surf0) | ||
+ | #boucle iteration | ||
+ | listsurf0=[surf0*(1+i*0.33) for i in range(0,999)] | ||
+ | listvolume0=[volume0*(1+i*0.5) for i in range(0,999)] | ||
+ | listeday=list(resultday) | ||
+ | listemonth=list(resultdaymonthindex.index) | ||
+ | listresult=[] | ||
#fonction check surface volume | #fonction check surface volume | ||
− | def iterv(data | + | def iterv(data, v0,s0): |
− | " | + | "fonction check surface volume" |
water=(2/3)*v0 | water=(2/3)*v0 | ||
− | for | + | for k in range(0,len(data)): |
− | recupday= | + | recupday=data[k]*s0 |
− | print(f'recupday:{recupday}') | + | #print(f'recupday:{recupday}') |
− | consoday= | + | if listemonth[k] in range(moisdebutete, moisfinete + 1): |
+ | consoday = waterconsojour + waterconsojourete | ||
+ | else: | ||
+ | consoday = waterconsojour | ||
water=water+recupday-consoday | water=water+recupday-consoday | ||
− | print(f'water:{water}') | + | #print(f'water:{water}') |
if water>v0: | if water>v0: | ||
print("récupérateur plein") | print("récupérateur plein") | ||
water=v0 #hypothese gestion du trop plein ok | water=v0 #hypothese gestion du trop plein ok | ||
continue | continue | ||
− | |||
− | |||
− | |||
if water<0: | if water<0: | ||
print("récupérateur vide") | print("récupérateur vide") | ||
Ligne 788 : | Ligne 966 : | ||
print("les surfaces et volumes permettent de subvenir à la consommation d'eau sur le dataset") | print("les surfaces et volumes permettent de subvenir à la consommation d'eau sur le dataset") | ||
return (v0,s0) | return (v0,s0) | ||
− | + | ||
− | + | <!--T:200--> | |
− | |||
− | |||
− | |||
− | |||
− | |||
− | |||
for i in range(0,6): #boucle iteration surface | for i in range(0,6): #boucle iteration surface | ||
− | for | + | for k in range(0,len(listeday)): |
− | recupday= | + | recupday=listeday[k]*listsurf0[i] |
print(f'recupday:{recupday}') | print(f'recupday:{recupday}') | ||
− | consoday=waterconsojour | + | if listemonth[k] in range(moisdebutete,moisfinete+1): |
+ | consoday=waterconsojour+waterconsojourete | ||
+ | else: | ||
+ | consoday = waterconsojour | ||
water=water+recupday-consoday | water=water+recupday-consoday | ||
print(f'water:{water}') | print(f'water:{water}') | ||
Ligne 807 : | Ligne 982 : | ||
water=volume0 #hypothese gestion du trop plein ok | water=volume0 #hypothese gestion du trop plein ok | ||
continue | continue | ||
− | |||
− | |||
− | |||
− | |||
if water<0: | if water<0: | ||
− | print("récupérateur vide, iteration avec hypothèse | + | print("récupérateur vide, iteration avec hypothèse volume de récupération plus grand") |
#time.sleep(1) | #time.sleep(1) | ||
for j in range (1,i+40): | for j in range (1,i+40): | ||
− | resultsurfvolume=iterv(listeday | + | resultsurfvolume=iterv(listeday,listvolume0[j],listsurf0[i]) |
if resultsurfvolume!=(0,0): | if resultsurfvolume!=(0,0): | ||
listresult.append(resultsurfvolume) | listresult.append(resultsurfvolume) | ||
Ligne 823 : | Ligne 994 : | ||
break | break | ||
+ | <!--T:201--> | ||
for k in listresult: | for k in listresult: | ||
− | print(f"""avec les données fournies par l'utilisateur, et un volume de {int(k[0])}L et une surface de {int(k[1])}m2, | + | print(f"""avec les données fournies par l'utilisateur, et |
− | on satisfait aux besoins utilisateurs ({waterconsohebdo}L/semaine)entrées en hypothèse""") | + | un volume de {int(k[0])}L et |
− | + | une surface de {int(k[1])}m2, | |
− | + | on satisfait aux besoins utilisateurs ({waterconsohebdo}L/semaine constant) | |
− | + | et {waterconsohebdoete}L/semaine en periode estivale (du mois {moisdebutete} au mois {moisfinete}) | |
+ | entrées en hypothèse\n""") | ||
+ | <!--T:202--> | ||
</pre> | </pre> | ||
+ | <!--T:203--> | ||
On fait le test avec les hypothèses ci dessus (latitude 44.2, longitude 0.6, solo 276L semaine, duo 752L semaine) | On fait le test avec les hypothèses ci dessus (latitude 44.2, longitude 0.6, solo 276L semaine, duo 752L semaine) | ||
+ | <!--T:204--> | ||
On obtient les résultats suivants: | On obtient les résultats suivants: | ||
+ | <!--T:205--> | ||
solo: | solo: | ||
<pre> | <pre> | ||
− | avec les données fournies par l'utilisateur, et un volume de 7976L et une surface de 19m2, | + | avec les données fournies par l'utilisateur, et |
− | on satisfait aux besoins utilisateurs (276.0L/semaine)entrées en hypothèse | + | un volume de 7976L et |
− | avec les données fournies par l'utilisateur, et un volume de 5982L et une surface de 24m2, | + | une surface de 19m2, |
− | on satisfait aux besoins utilisateurs (276.0L/semaine)entrées en hypothèse | + | on satisfait aux besoins utilisateurs (276.0L/semaine constant) |
− | avec les données fournies par l'utilisateur, et un volume de 4985L et une surface de 28m2, | + | et 0L/semaine supplémentaire en periode estivale (du mois 5 au mois 9) |
− | on satisfait aux besoins utilisateurs (276.0L/semaine)entrées en hypothèse | + | entrées en hypothèse |
− | avec les données fournies par l'utilisateur, et un volume de 3988L et une surface de 33m2, | + | |
− | on satisfait aux besoins utilisateurs (276.0L/semaine)entrées en hypothèse | + | <!--T:206--> |
− | avec les données fournies par l'utilisateur, et un volume de 3988L et une surface de 38m2, | + | avec les données fournies par l'utilisateur, et |
− | on satisfait aux besoins utilisateurs (276.0L/semaine)entrées en hypothèse | + | un volume de 5982L et |
+ | une surface de 24m2, | ||
+ | on satisfait aux besoins utilisateurs (276.0L/semaine constant) | ||
+ | et 0L/semaine supplémentaire en periode estivale (du mois 5 au mois 9) | ||
+ | entrées en hypothèse | ||
+ | |||
+ | <!--T:207--> | ||
+ | avec les données fournies par l'utilisateur, et | ||
+ | un volume de 4985L et | ||
+ | une surface de 28m2, | ||
+ | on satisfait aux besoins utilisateurs (276.0L/semaine constant) | ||
+ | et 0L/semaine supplémentaire en periode estivale (du mois 5 au mois 9) | ||
+ | entrées en hypothèse | ||
+ | |||
+ | <!--T:208--> | ||
+ | avec les données fournies par l'utilisateur, et | ||
+ | un volume de 3988L et | ||
+ | une surface de 33m2, | ||
+ | on satisfait aux besoins utilisateurs (276.0L/semaine constant) | ||
+ | et 0L/semaine supplémentaire en periode estivale (du mois 5 au mois 9) | ||
+ | entrées en hypothèse | ||
+ | |||
+ | <!--T:209--> | ||
+ | avec les données fournies par l'utilisateur, et | ||
+ | un volume de 3988L et | ||
+ | une surface de 38m2, | ||
+ | on satisfait aux besoins utilisateurs (276.0L/semaine constant) | ||
+ | et 0L/semaine supplémentaire en periode estivale (du mois 5 au mois 9) | ||
+ | entrées en hypothèse | ||
+ | |||
+ | <!--T:210--> | ||
+ | </pre> | ||
+ | |||
+ | <!--T:211--> | ||
+ | solo avec 600L/semaine en periode estivale: | ||
+ | <pre> | ||
+ | avec les données fournies par l'utilisateur, et | ||
+ | un volume de 15642L et | ||
+ | une surface de 45m2, | ||
+ | on satisfait aux besoins utilisateurs (276.0L/semaine constant) | ||
+ | et 600.0L/semaine supplémentaire en periode estivale (du mois 5 au mois 9) | ||
+ | entrées en hypothèse | ||
+ | |||
+ | <!--T:212--> | ||
+ | avec les données fournies par l'utilisateur, et | ||
+ | un volume de 15642L et | ||
+ | une surface de 60m2, | ||
+ | on satisfait aux besoins utilisateurs (276.0L/semaine constant) | ||
+ | et 600.0L/semaine supplémentaire en periode estivale (du mois 5 au mois 9) | ||
+ | entrées en hypothèse | ||
+ | |||
+ | <!--T:213--> | ||
+ | avec les données fournies par l'utilisateur, et | ||
+ | un volume de 12514L et | ||
+ | une surface de 75m2, | ||
+ | on satisfait aux besoins utilisateurs (276.0L/semaine constant) | ||
+ | et 600.0L/semaine supplémentaire en periode estivale (du mois 5 au mois 9) | ||
+ | entrées en hypothèse | ||
+ | |||
+ | <!--T:214--> | ||
+ | avec les données fournies par l'utilisateur, et | ||
+ | un volume de 12514L et | ||
+ | une surface de 90m2, | ||
+ | on satisfait aux besoins utilisateurs (276.0L/semaine constant) | ||
+ | et 600.0L/semaine en periode estivale (du mois 5 au mois 9) | ||
+ | entrées en hypothèse | ||
+ | |||
+ | <!--T:215--> | ||
+ | avec les données fournies par l'utilisateur, et | ||
+ | un volume de 12514L et | ||
+ | une surface de 105m2, | ||
+ | on satisfait aux besoins utilisateurs (276.0L/semaine constant) | ||
+ | et 600.0L/semaine supplémentaire en periode estivale (du mois 5 au mois 9) | ||
+ | entrées en hypothèse | ||
+ | |||
+ | <!--T:216--> | ||
+ | avec les données fournies par l'utilisateur, et | ||
+ | un volume de 12514L et | ||
+ | une surface de 120m2, | ||
+ | on satisfait aux besoins utilisateurs (276.0L/semaine constant) | ||
+ | et 600.0L/semaine supplémentaire en periode estivale (du mois 5 au mois 9) | ||
+ | entrées en hypothèse | ||
</pre> | </pre> | ||
+ | <!--T:217--> | ||
duo: | duo: | ||
<pre> | <pre> | ||
− | avec les données fournies par l'utilisateur, et un volume de 24133L et une surface de 51m2, | + | avec les données fournies par l'utilisateur, et |
− | on satisfait aux besoins utilisateurs (752.0L/semaine)entrées en hypothèse | + | un volume de 24133L et |
− | avec les données fournies par l'utilisateur, et un volume de 16089L et une surface de 64m2, | + | une surface de 51m2, |
− | on satisfait aux besoins utilisateurs (752.0L/semaine)entrées en hypothèse | + | on satisfait aux besoins utilisateurs (752.0L/semaine constant) |
− | avec les données fournies par l'utilisateur, et un volume de 13407L et une surface de 77m2, | + | et 0L/semaine supplémentaire en periode estivale (du mois 5 au mois 9) |
− | on satisfait aux besoins utilisateurs (752.0L/semaine)entrées en hypothèse | + | entrées en hypothèse |
− | avec les données fournies par l'utilisateur, et un volume de 10726L et une surface de 90m2, | + | |
− | on satisfait aux besoins utilisateurs (752.0L/semaine)entrées en hypothèse | + | <!--T:218--> |
− | avec les données fournies par l'utilisateur, et un volume de 10726L et une surface de 103m2, | + | avec les données fournies par l'utilisateur, et |
− | on satisfait aux besoins utilisateurs (752.0L/semaine)entrées en hypothèse | + | un volume de 16089L et |
+ | une surface de 64m2, | ||
+ | on satisfait aux besoins utilisateurs (752.0L/semaine constant) | ||
+ | et 0L/semaine supplémentaire en periode estivale (du mois 5 au mois 9) | ||
+ | entrées en hypothèse | ||
+ | |||
+ | <!--T:219--> | ||
+ | avec les données fournies par l'utilisateur, et | ||
+ | un volume de 13407L et | ||
+ | une surface de 77m2, | ||
+ | on satisfait aux besoins utilisateurs (752.0L/semaine constant) | ||
+ | et 0L/semaine supplémentaire en periode estivale (du mois 5 au mois 9) | ||
+ | entrées en hypothèse | ||
+ | |||
+ | <!--T:220--> | ||
+ | avec les données fournies par l'utilisateur, et | ||
+ | un volume de 10726L et | ||
+ | une surface de 90m2, | ||
+ | on satisfait aux besoins utilisateurs (752.0L/semaine constant) | ||
+ | et 0L/semaine supplémentaire en periode estivale (du mois 5 au mois 9) | ||
+ | entrées en hypothèse | ||
+ | |||
+ | <!--T:221--> | ||
+ | avec les données fournies par l'utilisateur, et | ||
+ | un volume de 10726L et | ||
+ | une surface de 103m2, | ||
+ | on satisfait aux besoins utilisateurs (752.0L/semaine constant) | ||
+ | et 0L/semaine supplémentaire en periode estivale (du mois 5 au mois 9) | ||
+ | entrées en hypothèse | ||
+ | <!--T:222--> | ||
</pre> | </pre> | ||
− | + | <!--T:223--> | |
+ | duo avec 600L/semaine en periode estivale: : | ||
+ | <pre> | ||
+ | avec les données fournies par l'utilisateur, et | ||
+ | un volume de 33687L et | ||
+ | une surface de 70m2, | ||
+ | on satisfait aux besoins utilisateurs (752.0L/semaine constant) | ||
+ | et 600.0L/semaine supplémentaire en periode estivale (du mois 5 au mois 9) | ||
+ | entrées en hypothèse | ||
+ | |||
+ | <!--T:224--> | ||
+ | avec les données fournies par l'utilisateur, et | ||
+ | un volume de 24062L et | ||
+ | une surface de 93m2, | ||
+ | on satisfait aux besoins utilisateurs (752.0L/semaine constant) | ||
+ | et 600.0L/semaine supplémentaire en periode estivale (du mois 5 au mois 9) | ||
+ | entrées en hypothèse | ||
+ | |||
+ | <!--T:225--> | ||
+ | avec les données fournies par l'utilisateur, et | ||
+ | un volume de 19250L et | ||
+ | une surface de 116m2, | ||
+ | on satisfait aux besoins utilisateurs (752.0L/semaine constant) | ||
+ | et 600.0L/semaine supplémentaire en periode estivale (du mois 5 au mois 9) | ||
+ | entrées en hypothèse | ||
+ | |||
+ | <!--T:226--> | ||
+ | avec les données fournies par l'utilisateur, et | ||
+ | un volume de 19250L et | ||
+ | une surface de 139m2, | ||
+ | on satisfait aux besoins utilisateurs (752.0L/semaine constant) | ||
+ | et 600.0L/semaine supplémentaire en periode estivale (du mois 5 au mois 9) | ||
+ | entrées en hypothèse | ||
+ | |||
+ | <!--T:227--> | ||
+ | avec les données fournies par l'utilisateur, et | ||
+ | un volume de 19250L et | ||
+ | une surface de 162m2, | ||
+ | on satisfait aux besoins utilisateurs (752.0L/semaine constant) | ||
+ | et 600.0L/semaine supplémentaire en periode estivale (du mois 5 au mois 9) | ||
+ | entrées en hypothèse | ||
+ | |||
+ | <!--T:228--> | ||
+ | avec les données fournies par l'utilisateur, et | ||
+ | un volume de 19250L et | ||
+ | une surface de 185m2, | ||
+ | on satisfait aux besoins utilisateurs (752.0L/semaine constant) | ||
+ | et 600.0L/semaine supplémentaire en periode estivale (du mois 5 au mois 9) | ||
+ | entrées en hypothèse | ||
+ | |||
+ | <!--T:229--> | ||
+ | </pre></translate> | ||
}} | }} | ||
{{Tuto Step | {{Tuto Step | ||
− | |Step_Title=<translate>Utiliser des data du changement climatique</translate> | + | |Step_Title=<translate><!--T:230--> |
− | |Step_Content=<translate>Comme très bien expliqué dans cet autre tuto :Estimer la quantité d'eau de pluie récupérable grâce à une toiture, dimensionner son stockage en prenant en compte les changements climatiques, le changement climatique va perturber les précipitations en termes de quantités mais surtout de fréquences. | + | Utiliser des data du changement climatique</translate> |
+ | |Step_Content=<translate><!--T:231--> | ||
+ | Comme très bien expliqué dans cet autre tuto : [[Estimer la quantité d'eau de pluie récupérable grâce à une toiture, dimensionner son stockage en prenant en compte les changements climatiques]], le changement climatique va perturber les précipitations en termes de quantités mais surtout de fréquences. | ||
+ | <!--T:232--> | ||
Pour de la récupération/stockage, c'est particulièrement important notamment pour les périodes de sécheresses qui risques de s'accentuer. | Pour de la récupération/stockage, c'est particulièrement important notamment pour les périodes de sécheresses qui risques de s'accentuer. | ||
− | Techniquement, on peut "data-tester" au jour le jour avec les données de prévisions du portail drias (https://drias-climat.fr/). Cependant, il faudrait d'une part data tester avec plusieurs set de données car les modèles sont tres différents les uns des autres, et d'autres part il s'agit de modèles climatiques et pas météorologiques, ce qui limite la pertinence d'utiliser des | + | <!--T:233--> |
+ | Techniquement, on peut "data-tester" au jour le jour avec les données de prévisions du portail drias (https://drias-climat.fr/). Cependant, il faudrait d'une part data tester avec plusieurs set de données car les modèles sont tres différents les uns des autres, et d'autres part il s'agit de modèles climatiques et pas météorologiques, ce qui limite la pertinence d'utiliser des résultats comme input meteo. | ||
+ | <!--T:234--> | ||
En attendant que les scientifiques affinent leurs modèles pour la prospective à échelle plus fine (spatiale et temporelle), on peut reprendre les estimations d'impact sur les volumes de précipitations par saisons à partir des modèles drias 2070-2100 rcp 8.5 (+10% à -10% selon modèles au printemps, -50% à +20% en été,-15% à +5% en automne, -15% à +30% en hiver) | En attendant que les scientifiques affinent leurs modèles pour la prospective à échelle plus fine (spatiale et temporelle), on peut reprendre les estimations d'impact sur les volumes de précipitations par saisons à partir des modèles drias 2070-2100 rcp 8.5 (+10% à -10% selon modèles au printemps, -50% à +20% en été,-15% à +5% en automne, -15% à +30% en hiver) | ||
− | + | <!--T:235--> | |
En étant prudent pour chaque saison, c'est à dire en prenant l'hypothèse la plus conservatrice pour chaque saison, on obtient des volumes réduits de : | En étant prudent pour chaque saison, c'est à dire en prenant l'hypothèse la plus conservatrice pour chaque saison, on obtient des volumes réduits de : | ||
+ | <!--T:236--> | ||
-10% au printemps | -10% au printemps | ||
+ | <!--T:237--> | ||
-50% en été | -50% en été | ||
+ | <!--T:238--> | ||
-15% en automne | -15% en automne | ||
+ | <!--T:239--> | ||
-15% en hiver | -15% en hiver | ||
+ | <!--T:240--> | ||
On peut alors mettre à jour l'algorithme : | On peut alors mettre à jour l'algorithme : | ||
− | + | <!--T:241--> | |
Vous noterez qu'on a déjà ajouté les lignes suivantes dans le code de l'etape 5 juste avant le calcul de # Moyenne par trimestre pour chaque trimestre: | Vous noterez qu'on a déjà ajouté les lignes suivantes dans le code de l'etape 5 juste avant le calcul de # Moyenne par trimestre pour chaque trimestre: | ||
<pre> | <pre> | ||
Ligne 897 : | Ligne 1 246 : | ||
adjustments = {0: -15, 1: -10, 2: -50, 3: -15} # Adjust line 1 by -15%, line 2 by -10%, line 3 by -50%, line 4 by -15% | adjustments = {0: -15, 1: -10, 2: -50, 3: -15} # Adjust line 1 by -15%, line 2 by -10%, line 3 by -50%, line 4 by -15% | ||
+ | <!--T:242--> | ||
# Appliquer les impacts sur les précipitations moyennes par trimestres: | # Appliquer les impacts sur les précipitations moyennes par trimestres: | ||
cc_moyenne_trimestrielle_par_trimestre=moyenne_trimestrielle_par_trimestre.copy() | cc_moyenne_trimestrielle_par_trimestre=moyenne_trimestrielle_par_trimestre.copy() | ||
Ligne 902 : | Ligne 1 252 : | ||
cc_moyenne_trimestrielle_par_trimestre.iloc[line] = cc_moyenne_trimestrielle_par_trimestre.iloc[line]+cc_moyenne_trimestrielle_par_trimestre.iloc[line]*adjustment/100 | cc_moyenne_trimestrielle_par_trimestre.iloc[line] = cc_moyenne_trimestrielle_par_trimestre.iloc[line]+cc_moyenne_trimestrielle_par_trimestre.iloc[line]*adjustment/100 | ||
+ | <!--T:243--> | ||
print("\nMoyenne par trimestre pour chaque trimestre avec prise en compte du changement climatique (mm):\n", cc_moyenne_trimestrielle_par_trimestre) | print("\nMoyenne par trimestre pour chaque trimestre avec prise en compte du changement climatique (mm):\n", cc_moyenne_trimestrielle_par_trimestre) | ||
</pre> | </pre> | ||
+ | <!--T:244--> | ||
Ce qui affiche: | Ce qui affiche: | ||
+ | <!--T:245--> | ||
<pre> | <pre> | ||
Moyenne par trimestre pour chaque trimestre avec prise en compte du changement climatique (mm): | Moyenne par trimestre pour chaque trimestre avec prise en compte du changement climatique (mm): | ||
Ligne 917 : | Ligne 1 270 : | ||
</pre> | </pre> | ||
+ | <!--T:246--> | ||
On n'effectue pas le data-test au jour le jour compte tenu des biais trop importants induits par le choix d'un seul modèle de prévision. | On n'effectue pas le data-test au jour le jour compte tenu des biais trop importants induits par le choix d'un seul modèle de prévision. | ||
+ | <!--T:247--> | ||
En première approximation l'impact sur les résultats est de doubler la surface de récupération nécessaire à partir de la méthode décrite dans les étapes précédentes.</translate> | En première approximation l'impact sur les résultats est de doubler la surface de récupération nécessaire à partir de la méthode décrite dans les étapes précédentes.</translate> | ||
|Step_Picture_00=Dimensionner_la_r_cup_ration_d_eau_de_pluie_pour_tre_autonome_drias.png | |Step_Picture_00=Dimensionner_la_r_cup_ration_d_eau_de_pluie_pour_tre_autonome_drias.png |
Tutorial de Aurelpere | Catégories : Eau
Dimensionner la récupération d'eau de pluie hors réseau
Dimensionner la récupération d'eau de pluie hors réseau
dimensionnement, eau de pluie, récupération, stockage, eau, eau de pluie, récupération
Dans des cas où on souhaite être 100% autonome hors réseau, la question de l'eau est essentielle.
C'est d'ailleurs le premier élément à considérer par exemple dans les démarches de permaculture (phase d'observation).
J'ai initialement fait les calculs ci dessous pour "autonomiser" un mobile home avec l'idée d'utiliser des modules photovoltaïques dans un assemblage récupérateur d'eau, comme le proposait le concept ulta chaata (https://www.facebook.com/weultachaata/?locale=fr_FR et https://fr.futuroprossimo.it/2023/03/ulta-chaata-ombrello-magico-che-puo-dare-acqua-e-luce-allindia/) avant d'être récupérée à Los Angeles.
On peut s'interroger sur la façon adéquate de dimensionner des installations pour récupérer de l'eau de pluie.
Pour cela, on peut utiliser les données de Météo France afin d'avoir un regard rétrospectif sur les précipitations saisonnières et ajuster ainsi les dimensions des récupérateurs.
Démo web interactive ici :
https://vpn.matangi.dev/waterDans ce tuto, on utilise des données météos synop disponibles ici :
http://data.cquest.org/meteo-france/synop/ dont vous trouverez la description ici:
http://data.cquest.org/meteo-france/synop/doc_parametres_synop_168.pdf
Vous pouvez également les télécharger sur le site de Meteo France:
https://donneespubliques.meteofrance.fr/?fond=produit&id_produit=90&id_rubrique=32
Télécharger tous les fichiers csv des années et mois à partir desquels vous souhaitez que les calculs soient effectués, placer les dans un repertoire de votre choix et dezipper les (format archive gz). Placer également dans ce répertoire le fichier processing.py contenant le code partagé dans ce tutoriel.
Exemple en ligne de commande linux debian pour télécharger et dézipper tous les csv de l'année 2020 dans un repertoire ~/synop:
(Dans la suite du tutoriel on utilise toutes les données des années 2010 à 2020)
cd ~ mkdir -p synop && cd synop wget http://data.cquest.org/meteo-france/synop/synop.202001.csv.gz && gzip -d synop.202001.csv.gz wget http://data.cquest.org/meteo-france/synop/synop.202002.csv.gz && gzip -d synop.202002.csv.gz wget http://data.cquest.org/meteo-france/synop/synop.202003.csv.gz && gzip -d synop.202003.csv.gz wget http://data.cquest.org/meteo-france/synop/synop.202004.csv.gz && gzip -d synop.202004.csv.gz wget http://data.cquest.org/meteo-france/synop/synop.202005.csv.gz && gzip -d synop.202005.csv.gz wget http://data.cquest.org/meteo-france/synop/synop.202006.csv.gz && gzip -d synop.202006.csv.gz wget http://data.cquest.org/meteo-france/synop/synop.202007.csv.gz && gzip -d synop.202007.csv.gz wget http://data.cquest.org/meteo-france/synop/synop.202008.csv.gz && gzip -d synop.202008.csv.gz wget http://data.cquest.org/meteo-france/synop/synop.202009.csv.gz && gzip -d synop.202009.csv.gz wget http://data.cquest.org/meteo-france/synop/synop.202010.csv.gz && gzip -d synop.202010.csv.gz wget http://data.cquest.org/meteo-france/synop/synop.202011.csv.gz && gzip -d synop.202011.csv.gz wget http://data.cquest.org/meteo-france/synop/synop.202012.csv.gz && gzip -d synop.202012.csv.gz
Pour utiliser python sous un autre os que linux, débrouillez vous avec vos daubes propriétaires intrusives.
Sous linux, python est généralement installé et pour utiliser le code partagé dans ce tuto, il suffira de copier coller le code dans un fichier processing.py puis entrer
python processing.py
Cependant, il faut installer la librairie pandas qui est très largement utilisé dans le monde de la finance et dans le monde scientifique, notamment pour sa gestion efficace des séries temporelles et sa capacité de vectorisation des données.
Pour cela voici les commandes à entrer dans linux debian avant de lancer le script processing.py pour être tranquille:
sudo apt install python3 python3-venv python3-pip python-is-python3 cd ~ && python -m venv venv source venv/bin/activate pip install pandas
Penser ensuite à activer l'environnement virtuel dans lequel est installé pandas chaque fois que vous utilisez le script (apres un reboot ou si vous fermez et reouvrez votre terminal) en lançant la commande:
cd ~ && source venv/bin/activate
Nous sommes en 2024 et si vous êtes cibles d'entraves anti éco-terroristes de psychopathes comme moi, et en bon scientifique qui se respecte vous inspectez vos instruments de mesures avant de les utiliser, vous pouvez inspectez le code source de pandas qui est évidemment logiciel libre ici : https://github.com/pandas-dev/pandas , ou vous pouvez faire l'hypothèse discutable qu'on peut avoir confiance dans un logiciel aussi massivement utilisé dans le monde de la finance et de la science.
Python reposant sur des librairies C pour un certains nombres d'opérations de base, le hack, y compris le hack scientifique, n'est jamais impossible mais on laissera de coté ces considérations pro-lowtech qui n'entrent pas dans le champ de réflexion de ce tutoriel.
Pour évaluer les besoins pour des installations domestiques, rien de plus efficace que le compteur d'eau. Une première approche peut être de faire une règle de trois à partir de votre consommation hebdomadaire. Vous pouvez aussi mesurer individuellement chaque poste de consommation (douche, machine à laver, cuisine, jardin, wc, etc) afin de faire des projections saisonnières plus justes.
Pour un mobile home avec toilettes sèches on a :
conso solo - 2 douches semaine (L) douche (L) 50 boisson 4 vaisselle 10 cuisine 4 machine a laver 50 semaine (2douches, 1 machine) 276 journalier 39 trimestre (13 semaines) 3588 conso à deux - 4 douches semaine (L) douche 50 boisson 4 vaisselle 10 cuisine 4 machine a laver 50 semaine (4douches, 1 machine) 752 journalier 107 trimestre (13 semaines) 9776
Pour dimensionner correctement le stockage, il convient d'abord d'avoir des informations sur les précipitations "moyennes" des années précédentes.
Pour cela, on fournit le bout de code python suivant (valable avec les données météo france mais adaptable à d'autres données météos ailleurs, le synop étant un encodage de données utilisé par l'OMM):
import math import os import pandas as pd # Attention si vous utilisez ce bout de code dans d'autres pays que la france, il faut ajouter # les stations météos adhoc # Processing des data print("\nprocessing des data\n") files=os.listdir('.') csv=[a for a in files if a[-3:]=='csv'] combined_df = pd.concat((pd.read_csv(f,sep=';') for f in csv), ignore_index=True) #07510 bordeaux #07535 gourdon #stations météos "hard coded" stations=[{'ID': '07005', 'Nom': 'ABBEVILLE', 'Latitude': '50.136000', 'Longitude': '1.834000', 'Altitude': '69'}, {'ID': '07015', 'Nom': 'LILLE-LESQUIN', 'Latitude': '50.570000', 'Longitude': '3.097500', 'Altitude': '47'}, {'ID': '07020', 'Nom': 'PTE DE LA HAGUE', 'Latitude': '49.725167', 'Longitude': '-1.939833', 'Altitude': '6'}, {'ID': '07027', 'Nom': 'CAEN-CARPIQUET', 'Latitude': '49.180000', 'Longitude': '-0.456167', 'Altitude': '67'}, {'ID': '07037', 'Nom': 'ROUEN-BOOS', 'Latitude': '49.383000', 'Longitude': '1.181667', 'Altitude': '151'}, {'ID': '07072', 'Nom': 'REIMS-PRUNAY', 'Latitude': '49.209667', 'Longitude': '4.155333', 'Altitude': '95'}, {'ID': '07110', 'Nom': 'BREST-GUIPAVAS', 'Latitude': '48.444167', 'Longitude': '-4.412000', 'Altitude': '94'}, {'ID': '07117', 'Nom': "PLOUMANAC'H", 'Latitude': '48.825833', 'Longitude': '-3.473167', 'Altitude': '55'}, {'ID': '07130', 'Nom': 'RENNES-ST JACQUES', 'Latitude': '48.068833', 'Longitude': '-1.734000', 'Altitude': '36'}, {'ID': '07139', 'Nom': 'ALENCON', 'Latitude': '48.445500', 'Longitude': '0.110167', 'Altitude': '143'}, {'ID': '07149', 'Nom': 'ORLY', 'Latitude': '48.716833', 'Longitude': '2.384333', 'Altitude': '89'}, {'ID': '07168', 'Nom': 'TROYES-BARBEREY', 'Latitude': '48.324667', 'Longitude': '4.020000', 'Altitude': '112'}, {'ID': '07181', 'Nom': 'NANCY-OCHEY', 'Latitude': '48.581000', 'Longitude': '5.959833', 'Altitude': '336'}, {'ID': '07190', 'Nom': 'STRASBOURG-ENTZHEIM', 'Latitude': '48.549500', 'Longitude': '7.640333', 'Altitude': '150'}, {'ID': '07207', 'Nom': 'BELLE ILE-LE TALUT', 'Latitude': '47.294333', 'Longitude': '-3.218333', 'Altitude': '34'}, {'ID': '07222', 'Nom': 'NANTES-BOUGUENAIS', 'Latitude': '47.150000', 'Longitude': '-1.608833', 'Altitude': '26'}, {'ID': '07240', 'Nom': 'TOURS', 'Latitude': '47.444500', 'Longitude': '0.727333', 'Altitude': '108'}, {'ID': '07255', 'Nom': 'BOURGES', 'Latitude': '47.059167', 'Longitude': '2.359833', 'Altitude': '161'}, {'ID': '07280', 'Nom': 'DIJON-LONGVIC', 'Latitude': '47.267833', 'Longitude': '5.088333', 'Altitude': '219'}, {'ID': '07299', 'Nom': 'BALE-MULHOUSE', 'Latitude': '47.614333', 'Longitude': '7.510000', 'Altitude': '263'}, {'ID': '07314', 'Nom': 'PTE DE CHASSIRON', 'Latitude': '46.046833', 'Longitude': '-1.411500', 'Altitude': '11'}, {'ID': '07335', 'Nom': 'POITIERS-BIARD', 'Latitude': '46.593833', 'Longitude': '0.314333', 'Altitude': '123'}, {'ID': '07434', 'Nom': 'LIMOGES-BELLEGARDE', 'Latitude': '45.861167', 'Longitude': '1.175000', 'Altitude': '402'}, {'ID': '07460', 'Nom': 'CLERMONT-FD', 'Latitude': '45.786833', 'Longitude': '3.149333', 'Altitude': '331'}, {'ID': '07471', 'Nom': 'LE PUY-LOUDES', 'Latitude': '45.074500', 'Longitude': '3.764000', 'Altitude': '833'}, {'ID': '07481', 'Nom': 'LYON-ST EXUPERY', 'Latitude': '45.726500', 'Longitude': '5.077833', 'Altitude': '235'}, {'ID': '07510', 'Nom': 'BORDEAUX-MERIGNAC', 'Latitude': '44.830667', 'Longitude': '-0.691333', 'Altitude': '47'}, {'ID': '07535', 'Nom': 'GOURDON', 'Latitude': '44.745000', 'Longitude': '1.396667', 'Altitude': '260'}, {'ID': '07558', 'Nom': 'MILLAU', 'Latitude': '44.118500', 'Longitude': '3.019500', 'Altitude': '712'}, {'ID': '07577', 'Nom': 'MONTELIMAR', 'Latitude': '44.581167', 'Longitude': '4.733000', 'Altitude': '73'}, {'ID': '07591', 'Nom': 'EMBRUN', 'Latitude': '44.565667', 'Longitude': '6.502333', 'Altitude': '871'}, {'ID': '07607', 'Nom': 'MONT-DE-MARSAN', 'Latitude': '43.909833', 'Longitude': '-0.500167', 'Altitude': '59'}, {'ID': '07621', 'Nom': 'TARBES-OSSUN', 'Latitude': '43.188000', 'Longitude': '0.000000', 'Altitude': '360'}, {'ID': '07627', 'Nom': 'ST GIRONS', 'Latitude': '43.005333', 'Longitude': '1.106833', 'Altitude': '414'}, {'ID': '07630', 'Nom': 'TOULOUSE-BLAGNAC', 'Latitude': '43.621000', 'Longitude': '1.378833', 'Altitude': '151'}, {'ID': '07643', 'Nom': 'MONTPELLIER', 'Latitude': '43.577000', 'Longitude': '3.963167', 'Altitude': '2'}, {'ID': '07650', 'Nom': 'MARIGNANE', 'Latitude': '43.437667', 'Longitude': '5.216000', 'Altitude': '9'}, {'ID': '07661', 'Nom': 'CAP CEPET', 'Latitude': '43.079333', 'Longitude': '5.940833', 'Altitude': '115'}, {'ID': '07690', 'Nom': 'NICE', 'Latitude': '43.648833', 'Longitude': '7.209000', 'Altitude': '2'}, {'ID': '07747', 'Nom': 'PERPIGNAN', 'Latitude': '42.737167', 'Longitude': '2.872833', 'Altitude': '42'}, {'ID': '07761', 'Nom': 'AJACCIO', 'Latitude': '41.918000', 'Longitude': '8.792667', 'Altitude': '5'}, {'ID': '07790', 'Nom': 'BASTIA', 'Latitude': '42.540667', 'Longitude': '9.485167', 'Altitude': '10'}, {'ID': '61968', 'Nom': 'GLORIEUSES', 'Latitude': '-11.582667', 'Longitude': '47.289667', 'Altitude': '3'}, {'ID': '61970', 'Nom': 'JUAN DE NOVA', 'Latitude': '-17.054667', 'Longitude': '42.712000', 'Altitude': '9'}, {'ID': '61972', 'Nom': 'EUROPA', 'Latitude': '-22.344167', 'Longitude': '40.340667', 'Altitude': '6'}, {'ID': '61976', 'Nom': 'TROMELIN', 'Latitude': '-15.887667', 'Longitude': '54.520667', 'Altitude': '7'}, {'ID': '61980', 'Nom': 'GILLOT-AEROPORT', 'Latitude': '-20.892500', 'Longitude': '55.528667', 'Altitude': '8'}, {'ID': '61996', 'Nom': 'NOUVELLE AMSTERDAM', 'Latitude': '-37.795167', 'Longitude': '77.569167', 'Altitude': '27'}, {'ID': '61997', 'Nom': 'CROZET', 'Latitude': '-46.432500', 'Longitude': '51.856667', 'Altitude': '146'}, {'ID': '61998', 'Nom': 'KERGUELEN', 'Latitude': '-49.352333', 'Longitude': '70.243333', 'Altitude': '29'}, {'ID': '67005', 'Nom': 'PAMANDZI', 'Latitude': '-12.805500', 'Longitude': '45.282833', 'Altitude': '7'}, {'ID': '71805', 'Nom': 'ST-PIERRE', 'Latitude': '46.766333', 'Longitude': '-56.179167', 'Altitude': '21'}, {'ID': '78890', 'Nom': 'LA DESIRADE METEO', 'Latitude': '16.335000', 'Longitude': '-61.004000', 'Altitude': '27'}, {'ID': '78894', 'Nom': 'ST-BARTHELEMY METEO', 'Latitude': '17.901500', 'Longitude': '-62.852167', 'Altitude': '44'}, {'ID': '78897', 'Nom': 'LE RAIZET AERO', 'Latitude': '16.264000', 'Longitude': '-61.516333', 'Altitude': '11'}, {'ID': '78922', 'Nom': 'TRINITE-CARAVEL', 'Latitude': '14.774500', 'Longitude': '-60.875333', 'Altitude': '26'}, {'ID': '78925', 'Nom': 'LAMENTIN-AERO', 'Latitude': '14.595333', 'Longitude': '-60.995667', 'Altitude': '3'}, {'ID': '81401', 'Nom': 'SAINT LAURENT', 'Latitude': '5.485500', 'Longitude': '-54.031667', 'Altitude': '5'}, {'ID': '81405', 'Nom': 'CAYENNE-MATOURY', 'Latitude': '4.822333', 'Longitude': '-52.365333', 'Altitude': '4'}, {'ID': '81408', 'Nom': 'SAINT GEORGES', 'Latitude': '3.890667', 'Longitude': '-51.804667', 'Altitude': '6'}, {'ID': '81415', 'Nom': 'MARIPASOULA', 'Latitude': '3.640167', 'Longitude': '-54.028333', 'Altitude': '106'}, {'ID': '89642', 'Nom': "DUMONT D'URVILLE", 'Latitude': '-66.663167', 'Longitude': '140.001000', 'Altitude': '43'}] def distance(lat1, lon1, lat2, lon2): """ Calcule la distance entre deux points géographiques en utilisant la formule de la distance euclidienne. """ return math.sqrt((lat2 - lat1)**2 + (lon2 - lon1)**2) def station_la_plus_proche(x, y, stations): """ Trouve la station météo la plus proche en utilisant les coordonnées x et y (latitude et longitude). """ distance_min = float('inf') station_proche = None for station in stations: lat_station = float(station['Latitude']) lon_station = float(station['Longitude']) d = distance(x, y, lat_station, lon_station) if d < distance_min: distance_min = d station_proche = station return station_proche # Demander à l'utilisateur d'entrer la latitude et la longitude x_input = input("Entrez la latitude de votre lieux: ") y_input = input("Entrez la longitude de votre lieux: ") # Remplacer les virgules par des points x_input = float(x_input.replace(',', '.')) y_input = float(y_input.replace(',', '.')) # Utilisez les valeurs entrées par l'utilisateur comme variables x et y pour trouver la station météo la plus proche station_proche = station_la_plus_proche(x_input, y_input, stations) print("La station météo la plus proche est:", station_proche['Nom']) result=combined_df[combined_df['numer_sta']==int(station_proche['ID'])] # Convertir la colonne 'date_column' dans un format datetime et la mettre en index trié result['datetime'] = pd.to_datetime(result['date'], format='%Y%m%d%H%M%S') result.set_index('datetime', inplace=True) result = result.sort_index() # remplacer les données manquantes par 0 result['rr3']=result['rr3'].replace('mq','0') result['rr3']=result['rr3'].astype('float') # Ne garder que la colonne des précipitations des 3 dernieres heures result=result['rr3'] # Calculer les sommes de précipitations par jour resultday=result.resample('D').sum() print("\nMoyenne par jour (mm):\n", resultday.mean()) print("Minimum par jour (mm):\n", resultday.min()) print("Maximum par jour (mm):\n", resultday.max()) # Calculer les sommes de précipitations par semaine resultweek=result.resample('W').sum() # Calculer les sommes de précipitations par mois resultmonth=result.resample('ME').sum() # Calculer les sommes de précipitations par trimestre resulttrim=result.resample('QE').sum() resulttrim=resulttrim.rename_axis('trimestre') print(resulttrim) # Calculer les sommes de précipitations par an resultyear=result.resample('YE').sum() print("\nPrécipitations annuelles moyennes (mm):\n",resultyear.mean()) # Calculer le nombre de jours consécutifs maximum sans pluie max_streak = 0 current_streak = 0 for value in resultday: if value == 0: current_streak += 1 max_streak = max(max_streak, current_streak) else: current_streak = 0 # Reset the streak if the value is not zero print(f"\nNombre de jours consecutifs maximum sans pluie: {max_streak}") # Moyenne par trimestre pour chaque trimestre moyenne_trimestrielle_par_trimestre = resulttrim.groupby(resulttrim.index.quarter).mean() # Minimum par trimestre pour chaque trimestre min_trimestrielle_par_trimestre = resulttrim.groupby(resulttrim.index.quarter).min() # Maximum par trimestre pour chaque trimestre max_trimestrielle_par_trimestre = resulttrim.groupby(resulttrim.index.quarter).max() # Imprimer les résultats print("\nMoyenne par trimestre pour chaque trimestre (mm):\n", moyenne_trimestrielle_par_trimestre) print("\nMinimum par trimestre pour chaque trimestre (mm):\n", min_trimestrielle_par_trimestre) print("\nMaximum par trimestre pour chaque trimestre (mm):\n", max_trimestrielle_par_trimestre) # Minimum par jour pour chaque trimestre min_par_jour_par_trimestre = resultday.groupby(resultday.index.quarter).min() min_par_jour_par_trimestre=min_par_jour_par_trimestre.rename_axis('trimestre') # Maximum par jour pour chaque trimestre max_par_jour_par_trimestre = resultday.groupby(resultday.index.quarter).max() max_par_jour_par_trimestre=max_par_jour_par_trimestre.rename_axis('trimestre') # Moyenne par jour pour chaque trimestre moyenne_par_jour_par_trimestre = resultday.groupby(resultday.index.quarter).mean() moyenne_par_jour_par_trimestre=moyenne_par_jour_par_trimestre.rename_axis('trimestre') # Imprimer les résultats print("\nMinimum par jour pour chaque trimestre (mm):\n", min_par_jour_par_trimestre) print("\nMaximum par jour pour chaque trimestre (mm):\n", max_par_jour_par_trimestre) print("\nMoyenne par jour pour chaque trimestre (mm):\n", moyenne_par_jour_par_trimestre)
Pour la latitude 44.2 et longitude 0.6 on obtient:
processing des data Entrez la latitude de votre lieux: 44.2 Entrez la longitude de votre lieux: 0.6 La station météo la plus proche est: GOURDON Moyenne par jour (mm): 2.022896963663514 Minimum par jour (mm): -0.6000000000000001 Maximum par jour (mm): 55.0 trimestre 2010-03-31 202.0 2010-06-30 245.4 2010-09-30 132.2 2010-12-31 201.2 2011-03-31 126.7 2011-06-30 102.2 2011-09-30 164.6 2011-12-31 207.0 2012-03-31 99.8 2012-06-30 341.0 2012-09-30 100.0 2012-12-31 188.8 2013-03-31 248.4 2013-06-30 307.5 2013-09-30 136.6 2013-12-31 247.8 2014-03-31 253.8 2014-06-30 201.8 2014-09-30 192.8 2014-12-31 139.0 2015-03-31 176.4 2015-06-30 155.7 2015-09-30 184.6 2015-12-31 82.6 2016-03-31 322.1 2016-06-30 300.4 2016-09-30 29.0 2016-12-31 115.1 2017-03-31 213.0 2017-06-30 216.3 2017-09-30 133.2 2017-12-31 155.3 2018-03-31 252.8 2018-06-30 251.9 2018-09-30 103.7 2018-12-31 199.3 2019-03-31 100.1 2019-06-30 203.5 2019-09-30 138.8 2019-12-31 350.9 2020-03-31 149.5 2020-06-30 150.9 2020-09-30 66.9 2020-12-31 237.4 Freq: QE-DEC, Name: rr3, dtype: float64 Précipitations annuelles moyennes (mm): 738.9090909090909 Nombre de jours consecutifs maximum sans pluie: 44 Moyenne par trimestre pour chaque trimestre (mm): trimestre 1 194.963636 2 225.145455 3 125.672727 4 193.127273 Name: rr3, dtype: float64 Minimum par trimestre pour chaque trimestre (mm): trimestre 1 99.8 2 102.2 3 29.0 4 82.6 Name: rr3, dtype: float64 Maximum par trimestre pour chaque trimestre (mm): trimestre 1 322.1 2 341.0 3 192.8 4 350.9 Name: rr3, dtype: float64 Minimum par jour pour chaque trimestre (mm): trimestre 1 -0.6 2 -0.4 3 -0.3 4 -0.5 Name: rr3, dtype: float64 Maximum par jour pour chaque trimestre (mm): trimestre 1 42.8 2 55.0 3 50.2 4 28.0 Name: rr3, dtype: float64 Moyenne par jour pour chaque trimestre (mm): trimestre 1 2.159718 2 2.474126 3 1.366008 4 2.099209 Name: rr3, dtype: float64
Pour dimensionner, le stockage, on se rappellera utilement que 1m2 de surface donne un équivalent d'1L pour 1mm de précipitations.
On peut alors faire des calculs avec les précipitations moyennes précédemment estimées et les consommations moyennes précédemment mesurées.
Exemple pour 1m2: annuel (L) 739 max jour (L) 55 min trimestre (L) 29 max trimestre (L) 350 moyenne min trimestre(L) 125 Besoins: Max 44 j sans pluie solo (L) 1735 Max 44 j sans pluie duo (L) 4727 consommation solo trimestre 3549 consommation duo trimestre 9669
Estimation "grosse louche":
conso trimestre/precipitations moyenne min trimestre =
solo : 3588/125=29
duo: 9776/125=78
=> Il faut 29m2 pour satisfaire les besoins solo avec les hypothèses etape 1
=> Il faut 78m2 pour satisfaire les besoins duo avec les hypothèses etape 1
Les fortes précipitations sont généralement regroupées (grand écartype a la moyenne),
et on prendra par conséquent un réservoir minimum dimensionné à deux fois et demi
ce qui est nécessaire pour la précipitation journalière maximum.
Contraintes précipitations importantes:
Il faut a minima un reservoir de 3987L en solo (2.5*précipitations journaliere max*29)
et 10725L en duo (2.5*précipitations max *78)
Mais il faut également un minimum pour les périodes de sécheresses:
1735L en solo (44j consécutifs max sans pluie) de réserve avec les hypothèses etape 1
4727L en duo (44j consécutifs max sans pluie) de réserve avec les hypothèses etape 1
ce qui est satisfait avec la contrainte précédente.
On va maintenant utiliser ces résultats de surface minimum et de stockage minimum
comme hypothèse de base et ajouter un "data-test" avec des itérations (50% de la surface min
et 100% du volume min comme points de depart de l'iteration) sur la surface
de récupération et le volume de stockage pour vérifier qu'on n'a pas de tarissement
de notre stockage (on fait l'hypothèse qu'il y a une gestion du trop plein et qu'on n'a donc
pas de problèmes de réservoir qui déborde) et qu'on satisfait les besoins de consommation.
Le bout de code python amélioré est le suivant (les commentaires expliquent chaque etape).
Pour expliquer un peu l’étape de l’itération : On démarre aux volume0 de capacité et surface0 de surface précalculées dans l’étape précédente. On fait des boucles d'itérations sur les données de précipitations et chaque jour on fait la soustraction eau recupérée-consommation journalière+consommation estivale si en periode estivale En cas de tarissement: on a une première boucle d’iteration 6 fois de +33 % de la surface, et pour chaque itération de surface, on a une deuxième boucle d’iteration 40 fois de +50 % du volume. On s’arrete à chaque boucle d’iteration dès que le dimensionnement convient et on enregistre le resultat. On affiche les résultats à la fin des itérations.
import math import os import pandas as pd import time # Attention si vous utilisez ce bout de code dans d'autres pays que la france, il faut ajouter # les stations météos adhoc # Processing des data print("\nprocessing des data\n") files=os.listdir('.') csv=[a for a in files if a[-3:]=='csv'] combined_df = pd.concat((pd.read_csv(f,sep=';') for f in csv), ignore_index=True) #07510 bordeaux #07535 gourdon #stations météos "hard coded" stations=[{'ID': '07005', 'Nom': 'ABBEVILLE', 'Latitude': '50.136000', 'Longitude': '1.834000', 'Altitude': '69'}, {'ID': '07015', 'Nom': 'LILLE-LESQUIN', 'Latitude': '50.570000', 'Longitude': '3.097500', 'Altitude': '47'}, {'ID': '07020', 'Nom': 'PTE DE LA HAGUE', 'Latitude': '49.725167', 'Longitude': '-1.939833', 'Altitude': '6'}, {'ID': '07027', 'Nom': 'CAEN-CARPIQUET', 'Latitude': '49.180000', 'Longitude': '-0.456167', 'Altitude': '67'}, {'ID': '07037', 'Nom': 'ROUEN-BOOS', 'Latitude': '49.383000', 'Longitude': '1.181667', 'Altitude': '151'}, {'ID': '07072', 'Nom': 'REIMS-PRUNAY', 'Latitude': '49.209667', 'Longitude': '4.155333', 'Altitude': '95'}, {'ID': '07110', 'Nom': 'BREST-GUIPAVAS', 'Latitude': '48.444167', 'Longitude': '-4.412000', 'Altitude': '94'}, {'ID': '07117', 'Nom': "PLOUMANAC'H", 'Latitude': '48.825833', 'Longitude': '-3.473167', 'Altitude': '55'}, {'ID': '07130', 'Nom': 'RENNES-ST JACQUES', 'Latitude': '48.068833', 'Longitude': '-1.734000', 'Altitude': '36'}, {'ID': '07139', 'Nom': 'ALENCON', 'Latitude': '48.445500', 'Longitude': '0.110167', 'Altitude': '143'}, {'ID': '07149', 'Nom': 'ORLY', 'Latitude': '48.716833', 'Longitude': '2.384333', 'Altitude': '89'}, {'ID': '07168', 'Nom': 'TROYES-BARBEREY', 'Latitude': '48.324667', 'Longitude': '4.020000', 'Altitude': '112'}, {'ID': '07181', 'Nom': 'NANCY-OCHEY', 'Latitude': '48.581000', 'Longitude': '5.959833', 'Altitude': '336'}, {'ID': '07190', 'Nom': 'STRASBOURG-ENTZHEIM', 'Latitude': '48.549500', 'Longitude': '7.640333', 'Altitude': '150'}, {'ID': '07207', 'Nom': 'BELLE ILE-LE TALUT', 'Latitude': '47.294333', 'Longitude': '-3.218333', 'Altitude': '34'}, {'ID': '07222', 'Nom': 'NANTES-BOUGUENAIS', 'Latitude': '47.150000', 'Longitude': '-1.608833', 'Altitude': '26'}, {'ID': '07240', 'Nom': 'TOURS', 'Latitude': '47.444500', 'Longitude': '0.727333', 'Altitude': '108'}, {'ID': '07255', 'Nom': 'BOURGES', 'Latitude': '47.059167', 'Longitude': '2.359833', 'Altitude': '161'}, {'ID': '07280', 'Nom': 'DIJON-LONGVIC', 'Latitude': '47.267833', 'Longitude': '5.088333', 'Altitude': '219'}, {'ID': '07299', 'Nom': 'BALE-MULHOUSE', 'Latitude': '47.614333', 'Longitude': '7.510000', 'Altitude': '263'}, {'ID': '07314', 'Nom': 'PTE DE CHASSIRON', 'Latitude': '46.046833', 'Longitude': '-1.411500', 'Altitude': '11'}, {'ID': '07335', 'Nom': 'POITIERS-BIARD', 'Latitude': '46.593833', 'Longitude': '0.314333', 'Altitude': '123'}, {'ID': '07434', 'Nom': 'LIMOGES-BELLEGARDE', 'Latitude': '45.861167', 'Longitude': '1.175000', 'Altitude': '402'}, {'ID': '07460', 'Nom': 'CLERMONT-FD', 'Latitude': '45.786833', 'Longitude': '3.149333', 'Altitude': '331'}, {'ID': '07471', 'Nom': 'LE PUY-LOUDES', 'Latitude': '45.074500', 'Longitude': '3.764000', 'Altitude': '833'}, {'ID': '07481', 'Nom': 'LYON-ST EXUPERY', 'Latitude': '45.726500', 'Longitude': '5.077833', 'Altitude': '235'}, {'ID': '07510', 'Nom': 'BORDEAUX-MERIGNAC', 'Latitude': '44.830667', 'Longitude': '-0.691333', 'Altitude': '47'}, {'ID': '07535', 'Nom': 'GOURDON', 'Latitude': '44.745000', 'Longitude': '1.396667', 'Altitude': '260'}, {'ID': '07558', 'Nom': 'MILLAU', 'Latitude': '44.118500', 'Longitude': '3.019500', 'Altitude': '712'}, {'ID': '07577', 'Nom': 'MONTELIMAR', 'Latitude': '44.581167', 'Longitude': '4.733000', 'Altitude': '73'}, {'ID': '07591', 'Nom': 'EMBRUN', 'Latitude': '44.565667', 'Longitude': '6.502333', 'Altitude': '871'}, {'ID': '07607', 'Nom': 'MONT-DE-MARSAN', 'Latitude': '43.909833', 'Longitude': '-0.500167', 'Altitude': '59'}, {'ID': '07621', 'Nom': 'TARBES-OSSUN', 'Latitude': '43.188000', 'Longitude': '0.000000', 'Altitude': '360'}, {'ID': '07627', 'Nom': 'ST GIRONS', 'Latitude': '43.005333', 'Longitude': '1.106833', 'Altitude': '414'}, {'ID': '07630', 'Nom': 'TOULOUSE-BLAGNAC', 'Latitude': '43.621000', 'Longitude': '1.378833', 'Altitude': '151'}, {'ID': '07643', 'Nom': 'MONTPELLIER', 'Latitude': '43.577000', 'Longitude': '3.963167', 'Altitude': '2'}, {'ID': '07650', 'Nom': 'MARIGNANE', 'Latitude': '43.437667', 'Longitude': '5.216000', 'Altitude': '9'}, {'ID': '07661', 'Nom': 'CAP CEPET', 'Latitude': '43.079333', 'Longitude': '5.940833', 'Altitude': '115'}, {'ID': '07690', 'Nom': 'NICE', 'Latitude': '43.648833', 'Longitude': '7.209000', 'Altitude': '2'}, {'ID': '07747', 'Nom': 'PERPIGNAN', 'Latitude': '42.737167', 'Longitude': '2.872833', 'Altitude': '42'}, {'ID': '07761', 'Nom': 'AJACCIO', 'Latitude': '41.918000', 'Longitude': '8.792667', 'Altitude': '5'}, {'ID': '07790', 'Nom': 'BASTIA', 'Latitude': '42.540667', 'Longitude': '9.485167', 'Altitude': '10'}, {'ID': '61968', 'Nom': 'GLORIEUSES', 'Latitude': '-11.582667', 'Longitude': '47.289667', 'Altitude': '3'}, {'ID': '61970', 'Nom': 'JUAN DE NOVA', 'Latitude': '-17.054667', 'Longitude': '42.712000', 'Altitude': '9'}, {'ID': '61972', 'Nom': 'EUROPA', 'Latitude': '-22.344167', 'Longitude': '40.340667', 'Altitude': '6'}, {'ID': '61976', 'Nom': 'TROMELIN', 'Latitude': '-15.887667', 'Longitude': '54.520667', 'Altitude': '7'}, {'ID': '61980', 'Nom': 'GILLOT-AEROPORT', 'Latitude': '-20.892500', 'Longitude': '55.528667', 'Altitude': '8'}, {'ID': '61996', 'Nom': 'NOUVELLE AMSTERDAM', 'Latitude': '-37.795167', 'Longitude': '77.569167', 'Altitude': '27'}, {'ID': '61997', 'Nom': 'CROZET', 'Latitude': '-46.432500', 'Longitude': '51.856667', 'Altitude': '146'}, {'ID': '61998', 'Nom': 'KERGUELEN', 'Latitude': '-49.352333', 'Longitude': '70.243333', 'Altitude': '29'}, {'ID': '67005', 'Nom': 'PAMANDZI', 'Latitude': '-12.805500', 'Longitude': '45.282833', 'Altitude': '7'}, {'ID': '71805', 'Nom': 'ST-PIERRE', 'Latitude': '46.766333', 'Longitude': '-56.179167', 'Altitude': '21'}, {'ID': '78890', 'Nom': 'LA DESIRADE METEO', 'Latitude': '16.335000', 'Longitude': '-61.004000', 'Altitude': '27'}, {'ID': '78894', 'Nom': 'ST-BARTHELEMY METEO', 'Latitude': '17.901500', 'Longitude': '-62.852167', 'Altitude': '44'}, {'ID': '78897', 'Nom': 'LE RAIZET AERO', 'Latitude': '16.264000', 'Longitude': '-61.516333', 'Altitude': '11'}, {'ID': '78922', 'Nom': 'TRINITE-CARAVEL', 'Latitude': '14.774500', 'Longitude': '-60.875333', 'Altitude': '26'}, {'ID': '78925', 'Nom': 'LAMENTIN-AERO', 'Latitude': '14.595333', 'Longitude': '-60.995667', 'Altitude': '3'}, {'ID': '81401', 'Nom': 'SAINT LAURENT', 'Latitude': '5.485500', 'Longitude': '-54.031667', 'Altitude': '5'}, {'ID': '81405', 'Nom': 'CAYENNE-MATOURY', 'Latitude': '4.822333', 'Longitude': '-52.365333', 'Altitude': '4'}, {'ID': '81408', 'Nom': 'SAINT GEORGES', 'Latitude': '3.890667', 'Longitude': '-51.804667', 'Altitude': '6'}, {'ID': '81415', 'Nom': 'MARIPASOULA', 'Latitude': '3.640167', 'Longitude': '-54.028333', 'Altitude': '106'}, {'ID': '89642', 'Nom': "DUMONT D'URVILLE", 'Latitude': '-66.663167', 'Longitude': '140.001000', 'Altitude': '43'}] def distance(lat1, lon1, lat2, lon2): """ Calcule la distance entre deux points géographiques en utilisant la formule de la distance euclidienne. """ return math.sqrt((lat2 - lat1)**2 + (lon2 - lon1)**2) def station_la_plus_proche(x, y, stations): """ Trouve la station météo la plus proche en utilisant les coordonnées x et y (latitude et longitude). """ distance_min = float('inf') station_proche = None for station in stations: lat_station = float(station['Latitude']) lon_station = float(station['Longitude']) d = distance(x, y, lat_station, lon_station) if d < distance_min: distance_min = d station_proche = station return station_proche # Demander à l'utilisateur d'entrer la latitude et la longitude x_input = input("Entrez la latitude de votre lieux: ") y_input = input("Entrez la longitude de votre lieux: ") # Remplacer les virgules par des points x_input = float(x_input.replace(',', '.')) y_input = float(y_input.replace(',', '.')) # Utilisez les valeurs entrées par l'utilisateur comme variables x et y pour trouver la station météo la plus proche station_proche = station_la_plus_proche(x_input, y_input, stations) print("\nLa station météo la plus proche est:", station_proche['Nom']) # Demander à l'utilisateur d'entrer sa consommation d'eau hebdomadaire waterconsohebdo = input("Entrez la consommation d'eau hebdomadaire constante(L): ") # Remplacer les virgules par des points waterconsohebdo = float(waterconsohebdo.replace(',', '.')) # Calcul consommation journaliere moyenne waterconsojour = waterconsohebdo/7 # Demander à l'utilisateur d'entrer le mois de debut de la periode estivale moisdebutete = input("Entrez le mois de début pour la consommation d'eau hebdomadaire supplémentaire en periode estivale (1,2,3,4,5,6,7,8,9,10,11,12): ") try: _=int(moisdebutete) moisdebutete=_ except Exception as err: moisdebutete=5 print(f"\nerreur de type ou valeur utilisateur vide, poursuite avec utilisation de moisdebutete={moisdebutete}") # Demander à l'utilisateur d'entrer le mois de fin de la periode estivale moisfinete = input("Entrez le mois de fin pour la consommation d'eau hebdomadaire supplémentaire en periode estivale (1,2,3,4,5,6,7,8,9,10,11,12): ") try: _=int(moisfinete) moisfinete=_ except Exception as err: moisfinete=9 print(f"\nerreur de type ou valeur utilisateur vide, poursuite avec utilisation de moisfinete={moisfinete}") # Demander à l'utilisateur d'entrer la consommation d'eau supplémentaire en periode estivale waterconsohebdoete = input("Entrez la consommation d'eau hebdomadaire supplémentaire en periode estivale (L) - 0 L par defaut: ") try: _=float(waterconsohebdoete.replace(',', '.')) # Remplacer les virgules par des points waterconsohebdoete=_ except Exception as err: waterconsohebdoete=0 print(f"\nerreur de type ou valeur utilisateur vide, poursuite avec utilisation de waterconsohebdoete={waterconsohebdoete}L") # Calcul consommation journaliere moyenne waterconsojourete = waterconsohebdoete/7 result=combined_df[combined_df['numer_sta']==int(station_proche['ID'])] # Convertir la colonne 'date_column' dans un format datetime et la mettre en index trié result['datetime'] = pd.to_datetime(result['date'], format='%Y%m%d%H%M%S') result.set_index('datetime', inplace=True) result = result.sort_index() # remplacer les données manquantes par 0 result['rr3']=result['rr3'].replace('mq','0') result['rr3']=result['rr3'].astype('float') # Ne garder que la colonne des précipitations des 3 dernieres heures result=result['rr3'] # Calculer les sommes de précipitations par jour resultday=result.resample('D').sum() resultdaymonthindex=resultday.copy() resultdaymonthindex.index=resultdaymonthindex.index.month print("\nMoyenne par jour (mm):\n", resultday.mean()) print("Minimum par jour (mm):\n", resultday.min()) print("Maximum par jour (mm):\n", resultday.max()) # Calculer les sommes de précipitations par semaine resultweek=result.resample('W').sum() # Calculer les sommes de précipitations par mois resultmonth=result.resample('ME').sum() # Calculer les sommes de précipitations par trimestre resulttrim=result.resample('QE').sum() resulttrim=resulttrim.rename_axis('trimestre') print(resulttrim) # Calculer les sommes de précipitations par an resultyear=result.resample('YE').sum() print("\nPrécipitations annuelles moyennes (mm):\n",resultyear.mean()) # Calculer le nombre de jours consécutifs maximum sans pluie max_streak = 0 current_streak = 0 for value in resultday: if value == 0: current_streak += 1 max_streak = max(max_streak, current_streak) else: current_streak = 0 # Reset the streak if the value is not zero print(f"\nNombre de jours consecutifs maximum sans pluie: {max_streak}") # Moyenne par trimestre pour chaque trimestre moyenne_trimestrielle_par_trimestre = resulttrim.groupby(resulttrim.index.quarter).mean() # Minimum par trimestre pour chaque trimestre min_trimestrielle_par_trimestre = resulttrim.groupby(resulttrim.index.quarter).min() # Maximum par trimestre pour chaque trimestre max_trimestrielle_par_trimestre = resulttrim.groupby(resulttrim.index.quarter).max() # Imprimer les résultats print("\nMoyenne par trimestre pour chaque trimestre (mm):\n", moyenne_trimestrielle_par_trimestre) print("\nMinimum par trimestre pour chaque trimestre (mm):\n", min_trimestrielle_par_trimestre) print("\nMaximum par trimestre pour chaque trimestre (mm):\n", max_trimestrielle_par_trimestre) #Prise en comptes changement climatiques (hypothèses conservatrices multimodeles drias precipitations): # Definir les impacts sur les volumes de précipitations par saison adjustments = {0: -15, 1: -10, 2: -50, 3: -15} # Adjust line 1 by -15%, line 2 by -10%, line 3 by -50%, line 4 by -15% # Appliquer les impacts sur les précipitations moyennes par trimestres: cc_moyenne_trimestrielle_par_trimestre=moyenne_trimestrielle_par_trimestre.copy() for line, adjustment in adjustments.items(): cc_moyenne_trimestrielle_par_trimestre.iloc[line] = cc_moyenne_trimestrielle_par_trimestre.iloc[line]+cc_moyenne_trimestrielle_par_trimestre.iloc[line]*adjustment/100 print("\nMoyenne par trimestre pour chaque trimestre avec prise en compte du changement climatique (mm):\n", cc_moyenne_trimestrielle_par_trimestre) # Minimum par jour pour chaque trimestre min_par_jour_par_trimestre = resultday.groupby(resultday.index.quarter).min() min_par_jour_par_trimestre=min_par_jour_par_trimestre.rename_axis('trimestre') # Maximum par jour pour chaque trimestre max_par_jour_par_trimestre = resultday.groupby(resultday.index.quarter).max() max_par_jour_par_trimestre=max_par_jour_par_trimestre.rename_axis('trimestre') # Moyenne par jour pour chaque trimestre moyenne_par_jour_par_trimestre = resultday.groupby(resultday.index.quarter).mean() moyenne_par_jour_par_trimestre=moyenne_par_jour_par_trimestre.rename_axis('trimestre') # Imprimer les résultats print("\nMinimum par jour pour chaque trimestre (mm):\n", min_par_jour_par_trimestre) print("\nMaximum par jour pour chaque trimestre (mm):\n", max_par_jour_par_trimestre) print("\nMoyenne par jour pour chaque trimestre (mm):\n", moyenne_par_jour_par_trimestre) #Calcul seuil mini surface de recuperation: surf0=(1/2)*math.ceil((13*waterconsohebdo)/min(moyenne_trimestrielle_par_trimestre)) print(f"""Seuil surface recuperation avec hypothèse entrée et données fournies par l'utilisateur (m2) hypothese:(conso trimestre / precipitations moyenne min trimestre) {int(math.ceil(surf0))} m2""") #Calcul seuil mini reservoir: contraintejourmax=(resultday.max())*surf0 contraintejourszero=max_streak*waterconsojour volume0=math.ceil(max(2.5*contraintejourmax,contraintejourszero)) print(f"""\nSeuil volume avec hypothèse entrée et données fournies par l'utilisateur (L) hypothèse: max((2.5*précipitations journaliere maxi*Seuil surface recuperation),(44j consécutifs max sans pluie*conso journaliere)) {int(math.ceil(volume0))} L""") surf0_input = input("\n\nSi vous souhaitez corriger la valeur initiale de surface (m2) pour les itérations, entrer votre valeur, sinon appuyer sur entree") try: _=float(surf0_input) surf0=_ except Exception as err: print(f"\nerreur de type ou valeur utilisateur vide, poursuite avec utilisation de surf0={surf0}m2") volume0_input = input("\n\nSi vous souhaitez corriger la valeur initiale de volume (L) pour les itérations, entrer votre valeur, sinon appuyer sur entree") try: _=float(volume0_input) volume0=_ except Exception as err: print(f"\nerreur de type ou valeur utilisateur vide, poursuite avec utilisation de volume0={volume0}L") # Itérations algorithmiques stockage&consommation #hypothèse récupérateur 2/3 plein à t0 water=(2/3)*volume0 resultsurfvolume=(volume0,surf0) #boucle iteration listsurf0=[surf0*(1+i*0.33) for i in range(0,999)] listvolume0=[volume0*(1+i*0.5) for i in range(0,999)] listeday=list(resultday) listemonth=list(resultdaymonthindex.index) listresult=[] #fonction check surface volume def iterv(data, v0,s0): "fonction check surface volume" water=(2/3)*v0 for k in range(0,len(data)): recupday=data[k]*s0 #print(f'recupday:{recupday}') if listemonth[k] in range(moisdebutete, moisfinete + 1): consoday = waterconsojour + waterconsojourete else: consoday = waterconsojour water=water+recupday-consoday #print(f'water:{water}') if water>v0: print("récupérateur plein") water=v0 #hypothese gestion du trop plein ok continue if water<0: print("récupérateur vide") #time.sleep(1) return (0,0) print("les surfaces et volumes permettent de subvenir à la consommation d'eau sur le dataset") return (v0,s0) for i in range(0,6): #boucle iteration surface for k in range(0,len(listeday)): recupday=listeday[k]*listsurf0[i] print(f'recupday:{recupday}') if listemonth[k] in range(moisdebutete,moisfinete+1): consoday=waterconsojour+waterconsojourete else: consoday = waterconsojour water=water+recupday-consoday print(f'water:{water}') if water>volume0: print("récupérateur plein") water=volume0 #hypothese gestion du trop plein ok continue if water<0: print("récupérateur vide, iteration avec hypothèse volume de récupération plus grand") #time.sleep(1) for j in range (1,i+40): resultsurfvolume=iterv(listeday,listvolume0[j],listsurf0[i]) if resultsurfvolume!=(0,0): listresult.append(resultsurfvolume) break else: continue break for k in listresult: print(f"""avec les données fournies par l'utilisateur, et un volume de {int(k[0])}L et une surface de {int(k[1])}m2, on satisfait aux besoins utilisateurs ({waterconsohebdo}L/semaine constant) et {waterconsohebdoete}L/semaine en periode estivale (du mois {moisdebutete} au mois {moisfinete}) entrées en hypothèse\n""")
On fait le test avec les hypothèses ci dessus (latitude 44.2, longitude 0.6, solo 276L semaine, duo 752L semaine)
On obtient les résultats suivants:
solo:
avec les données fournies par l'utilisateur, et un volume de 7976L et une surface de 19m2, on satisfait aux besoins utilisateurs (276.0L/semaine constant) et 0L/semaine supplémentaire en periode estivale (du mois 5 au mois 9) entrées en hypothèse avec les données fournies par l'utilisateur, et un volume de 5982L et une surface de 24m2, on satisfait aux besoins utilisateurs (276.0L/semaine constant) et 0L/semaine supplémentaire en periode estivale (du mois 5 au mois 9) entrées en hypothèse avec les données fournies par l'utilisateur, et un volume de 4985L et une surface de 28m2, on satisfait aux besoins utilisateurs (276.0L/semaine constant) et 0L/semaine supplémentaire en periode estivale (du mois 5 au mois 9) entrées en hypothèse avec les données fournies par l'utilisateur, et un volume de 3988L et une surface de 33m2, on satisfait aux besoins utilisateurs (276.0L/semaine constant) et 0L/semaine supplémentaire en periode estivale (du mois 5 au mois 9) entrées en hypothèse avec les données fournies par l'utilisateur, et un volume de 3988L et une surface de 38m2, on satisfait aux besoins utilisateurs (276.0L/semaine constant) et 0L/semaine supplémentaire en periode estivale (du mois 5 au mois 9) entrées en hypothèse
solo avec 600L/semaine en periode estivale:
avec les données fournies par l'utilisateur, et un volume de 15642L et une surface de 45m2, on satisfait aux besoins utilisateurs (276.0L/semaine constant) et 600.0L/semaine supplémentaire en periode estivale (du mois 5 au mois 9) entrées en hypothèse avec les données fournies par l'utilisateur, et un volume de 15642L et une surface de 60m2, on satisfait aux besoins utilisateurs (276.0L/semaine constant) et 600.0L/semaine supplémentaire en periode estivale (du mois 5 au mois 9) entrées en hypothèse avec les données fournies par l'utilisateur, et un volume de 12514L et une surface de 75m2, on satisfait aux besoins utilisateurs (276.0L/semaine constant) et 600.0L/semaine supplémentaire en periode estivale (du mois 5 au mois 9) entrées en hypothèse avec les données fournies par l'utilisateur, et un volume de 12514L et une surface de 90m2, on satisfait aux besoins utilisateurs (276.0L/semaine constant) et 600.0L/semaine en periode estivale (du mois 5 au mois 9) entrées en hypothèse avec les données fournies par l'utilisateur, et un volume de 12514L et une surface de 105m2, on satisfait aux besoins utilisateurs (276.0L/semaine constant) et 600.0L/semaine supplémentaire en periode estivale (du mois 5 au mois 9) entrées en hypothèse avec les données fournies par l'utilisateur, et un volume de 12514L et une surface de 120m2, on satisfait aux besoins utilisateurs (276.0L/semaine constant) et 600.0L/semaine supplémentaire en periode estivale (du mois 5 au mois 9) entrées en hypothèse
duo:
avec les données fournies par l'utilisateur, et un volume de 24133L et une surface de 51m2, on satisfait aux besoins utilisateurs (752.0L/semaine constant) et 0L/semaine supplémentaire en periode estivale (du mois 5 au mois 9) entrées en hypothèse avec les données fournies par l'utilisateur, et un volume de 16089L et une surface de 64m2, on satisfait aux besoins utilisateurs (752.0L/semaine constant) et 0L/semaine supplémentaire en periode estivale (du mois 5 au mois 9) entrées en hypothèse avec les données fournies par l'utilisateur, et un volume de 13407L et une surface de 77m2, on satisfait aux besoins utilisateurs (752.0L/semaine constant) et 0L/semaine supplémentaire en periode estivale (du mois 5 au mois 9) entrées en hypothèse avec les données fournies par l'utilisateur, et un volume de 10726L et une surface de 90m2, on satisfait aux besoins utilisateurs (752.0L/semaine constant) et 0L/semaine supplémentaire en periode estivale (du mois 5 au mois 9) entrées en hypothèse avec les données fournies par l'utilisateur, et un volume de 10726L et une surface de 103m2, on satisfait aux besoins utilisateurs (752.0L/semaine constant) et 0L/semaine supplémentaire en periode estivale (du mois 5 au mois 9) entrées en hypothèse
duo avec 600L/semaine en periode estivale: :
avec les données fournies par l'utilisateur, et un volume de 33687L et une surface de 70m2, on satisfait aux besoins utilisateurs (752.0L/semaine constant) et 600.0L/semaine supplémentaire en periode estivale (du mois 5 au mois 9) entrées en hypothèse avec les données fournies par l'utilisateur, et un volume de 24062L et une surface de 93m2, on satisfait aux besoins utilisateurs (752.0L/semaine constant) et 600.0L/semaine supplémentaire en periode estivale (du mois 5 au mois 9) entrées en hypothèse avec les données fournies par l'utilisateur, et un volume de 19250L et une surface de 116m2, on satisfait aux besoins utilisateurs (752.0L/semaine constant) et 600.0L/semaine supplémentaire en periode estivale (du mois 5 au mois 9) entrées en hypothèse avec les données fournies par l'utilisateur, et un volume de 19250L et une surface de 139m2, on satisfait aux besoins utilisateurs (752.0L/semaine constant) et 600.0L/semaine supplémentaire en periode estivale (du mois 5 au mois 9) entrées en hypothèse avec les données fournies par l'utilisateur, et un volume de 19250L et une surface de 162m2, on satisfait aux besoins utilisateurs (752.0L/semaine constant) et 600.0L/semaine supplémentaire en periode estivale (du mois 5 au mois 9) entrées en hypothèse avec les données fournies par l'utilisateur, et un volume de 19250L et une surface de 185m2, on satisfait aux besoins utilisateurs (752.0L/semaine constant) et 600.0L/semaine supplémentaire en periode estivale (du mois 5 au mois 9) entrées en hypothèse
Comme très bien expliqué dans cet autre tuto : Estimer la quantité d'eau de pluie récupérable grâce à une toiture, dimensionner son stockage en prenant en compte les changements climatiques, le changement climatique va perturber les précipitations en termes de quantités mais surtout de fréquences.
Pour de la récupération/stockage, c'est particulièrement important notamment pour les périodes de sécheresses qui risques de s'accentuer.
Techniquement, on peut "data-tester" au jour le jour avec les données de prévisions du portail drias (https://drias-climat.fr/). Cependant, il faudrait d'une part data tester avec plusieurs set de données car les modèles sont tres différents les uns des autres, et d'autres part il s'agit de modèles climatiques et pas météorologiques, ce qui limite la pertinence d'utiliser des résultats comme input meteo.
En attendant que les scientifiques affinent leurs modèles pour la prospective à échelle plus fine (spatiale et temporelle), on peut reprendre les estimations d'impact sur les volumes de précipitations par saisons à partir des modèles drias 2070-2100 rcp 8.5 (+10% à -10% selon modèles au printemps, -50% à +20% en été,-15% à +5% en automne, -15% à +30% en hiver)
En étant prudent pour chaque saison, c'est à dire en prenant l'hypothèse la plus conservatrice pour chaque saison, on obtient des volumes réduits de :
-10% au printemps
-50% en été
-15% en automne
-15% en hiver
On peut alors mettre à jour l'algorithme :
Vous noterez qu'on a déjà ajouté les lignes suivantes dans le code de l'etape 5 juste avant le calcul de # Moyenne par trimestre pour chaque trimestre:
#Prise en comptes changement climatiques (hypothèses conservatrices multimodeles drias precipitations): # Definir les impacts sur les volumes de précipitations par saison adjustments = {0: -15, 1: -10, 2: -50, 3: -15} # Adjust line 1 by -15%, line 2 by -10%, line 3 by -50%, line 4 by -15% # Appliquer les impacts sur les précipitations moyennes par trimestres: cc_moyenne_trimestrielle_par_trimestre=moyenne_trimestrielle_par_trimestre.copy() for line, adjustment in adjustments.items(): cc_moyenne_trimestrielle_par_trimestre.iloc[line] = cc_moyenne_trimestrielle_par_trimestre.iloc[line]+cc_moyenne_trimestrielle_par_trimestre.iloc[line]*adjustment/100 print("\nMoyenne par trimestre pour chaque trimestre avec prise en compte du changement climatique (mm):\n", cc_moyenne_trimestrielle_par_trimestre)
Ce qui affiche:
Moyenne par trimestre pour chaque trimestre avec prise en compte du changement climatique (mm): trimestre 1 165.719091 2 202.630909 3 62.836364 4 164.158182 Name: rr3, dtype: float64
On n'effectue pas le data-test au jour le jour compte tenu des biais trop importants induits par le choix d'un seul modèle de prévision.
En première approximation l'impact sur les résultats est de doubler la surface de récupération nécessaire à partir de la méthode décrite dans les étapes précédentes.
fr none 0 Published
Vous avez entré un nom de page invalide, avec un ou plusieurs caractères suivants :
< > @ ~ : * € £ ` + = / \ | [ ] { } ; ? #