Python中实时数据的数值积分（梯形）

Question

关于Python中实时数据的数值积分（梯形）问题-

背景：我在实时测量一个平均速度为100米/分钟的移动物体，每100毫秒采样一次，持续60秒，因此在一分钟结束时，我将有600个样本。我的测量方法不精确，每次测量都有10米的误差。一分钟间隔后的典型图表为：

问题：我大致知道物体在一分钟内移动100米，但是当在这段时间内积分（现在只使用梯形）时，我得到的答案是比预期的高60倍，我做错了什么？我怀疑是'width'或deltaT=100ms是不正确的（？）在

我的python代码如下-这是惯用的，也就是说，不是python代码，原因是为了模拟实时测量：

# Trapezoidal rule integral
testData = []       # store all vel. measurements
width    = 100e-3   # sample every 100ms
total    = 0
currVel  = 0
prevVel  = 0
t = 0

while( t < 60 ):
    # take a live sample and save it
    currVel = np.random.normal(100,10,1)  
    testData.append( currVel )
    # only complete the integral after the second sample
    if( t >= 100e-3 ):
        total += width*(currVel+prevVel)/2
    # update previous flow and increment 
    prevVel = currVel
    t += 100e-3
#total /= 60  # fudge factor, why this factor out?
print "Total distance covered over 1 minute", total

Answer 1

积分可以看作是面积计算。你基本上有：

(100 m/min) * (60 s)

你得到的答案是6000，因为程序没有单位的表示。（答案是每分钟6000米秒。）如果你用这种方式来写计算，错误可能会更明显：

^{pr2}$

现在秒数将正确地抵消。有关Python unit libraries的讨论，请参阅此线程。在