پیوستن

پیوستن

پیوستن
از یک مجموعه داده Join ( ) برای ترکیب راه حل های دو مجموعه داده استفاده کنید. مجموعه داده Join امکان مقایسه راه حل ها از دو مجموعه داده را فراهم می کند – به عنوان مثال، برای ارزیابی و تجسم تفاوت بین دو راه حل برای یک مسئله با استفاده از دو مش مختلف در یک مطالعه همگرایی مش یا ایجاد مجموع در یک جابجایی پارامتری که حاوی یک چند راه حل مجموعه داده Join دارای روش های از پیش تعریف شده ای برای ترکیب راه حل ها برای بدست آوردن تفاوت، هنجار تفاوت، محصول، ضریب یا مجموع دو مجموعه داده راه حل است. علاوه بر این، دو “اپراتور” از پیش تعریف شده، data1 و data2، به ترتیب با داده های راه حل در مجموعه داده های Solution اول و دوم مطابقت دارد و امکان مقایسه، به عنوان مثال، راه حل های مدل های مختلف اما سازگار یا ترکیب دو مجموعه داده راه حل را با استفاده از روشی غیر از روش هایی که می توانید انتخاب کنید، فراهم می کند. به طور مستقیم.
 
همچنین می توانید از عملگر withsol در یک عبارت نمودار استفاده کنید، به عنوان مثال، برای ترکیب راه حل های دنباله های حل کننده مختلف. برای اطلاعات بیشتر به withsol مراجعه کنید .
 
هنگام ترکیب داده ها از دو مش، مجموعه داده Join نقاط یک مش را در دیگری جستجو می کند. سپس نتایج با هم ترکیب می شوند. توجه داشته باشید که این فرآیند متقارن نیست.
داده 1 و داده 2
یک مجموعه داده را به عنوان data1 و یک مجموعه داده دیگر را به عنوان data2 از لیست های Data در بخش های Data 1 و Data 2 به ترتیب انتخاب کنید .
راه حل های مورد استفاده را از لیست های Solutions انتخاب کنید :
برای استفاده از همه راه حل ها در مجموعه داده، همه (پیش فرض) را انتخاب کنید .
یکی را برای استفاده از یکی از راه حل های موجود در یک راه حل وابسته به زمان، پارامتری یا مقدار ویژه از لیست راه حل هایی که در زیر لیست راه حل ها ظاهر می شود، انتخاب کنید .
ترکیب‌های مجموعه داده زیر از گزینه گنجاندن همه راه‌حل‌ها از هر دو مجموعه داده پشتیبانی می‌کنند:
هر دو مجموعه داده به یک راه حل اشاره می کنند.
هر دو مجموعه داده به دو راه حل ثابت مختلف اشاره می کنند.
هر دو مجموعه داده به دو راه حل مختلف وابسته به زمان اشاره می کنند.
ترکیبی
در لیست روش ، روشی را برای ترکیب مجموعه داده ها انتخاب کنید:
Difference (پیش‌فرض) را برای ترکیب مجموعه داده‌ها با استفاده از تفاوت انتخاب کنید : data1-data2 .
برای ترکیب مجموعه داده ها به صورت abs(data1-data2) Norm of different را انتخاب کنید ، که در آن data1 و data2 نتایج ارزیابی عبارت در دو مجموعه داده منبع هستند. برای داده‌های با ارزش پیچیده، این با هنجار اقلیدسی تفاوت مطابقت دارد.
برای ترکیب مجموعه داده ها با استفاده از یک عبارت صریح با داده های “عملگرها” و data2 ، برای مثال، در فیلد Expression گره نمودار، Explicit را انتخاب کنید . این می تواند برای مقایسه دو متغیر وابسته مختلف در دو مجموعه داده مختلف مانند دو راه حل از دو مدل مختلف با استفاده از هندسه یکسان مفید باشد. به عنوان مثال، برای رسم مجموع متغیر u از مجموعه داده اول و متغیر v از مجموعه داده دوم، ضربدر دو، نوع 2*(data1(u)+data2(v)) را تایپ کنید . محدوده برای data1 مدلی است که مجموعه داده راه حل در داده 1 به آن تعلق دارد، و به طور مشابه برای data2 .
برای ترکیب مجموعه داده ها با استفاده از یک عبارت کلی در data1 و data2 که در قسمت Expression تایپ می کنید، General را انتخاب کنید . پیش‌فرض، data1-data2 ، با روش Difference یکسان است . این روش برای ترکیب مجموعه داده‌ها با داده‌های راه‌حل مشابه (مثلاً از مطالعه هم‌گرایی مش) با استفاده از روشی غیر از تفاوت، محصول، ضریب یا جمع مفید است.
محصول را برای ترکیب مجموعه داده ها با استفاده از یک محصول انتخاب کنید : data1*data2 .
Quotient را برای ترکیب مجموعه داده ها با استفاده از ضریب انتخاب کنید : data1/data2 .
برای ترکیب مجموعه داده ها با استفاده از مجموع، Sum را انتخاب کنید : data1+data2 .
 
برای مثال، اگر Difference را انتخاب کنید ، عملیاتی مانند sin(u) برای مجموعه داده Join معادل sin(data1(u))-sin(data2(u)) است . اگر می‌خواهید sin(u) را به‌عنوان عملگر اعمال شده برای خود تفاوت ارزیابی یا ترسیم کنید، برای مثال، Explicit را انتخاب کنید و از sin(data1(u)-data2(u)) به عنوان عبارت برای ارزیابی یا ترسیم استفاده کنید.
 
ممکن است هندسه‌های دو مجموعه داده با هم مطابقت نداشته باشند. در چنین مواردی، برای مثال، به مجموعه داده‌های Join که حاوی داده‌های یک دامنه هستند، نمی‌توان در نمودار نقطه‌ای انتخاب کرد. همچنین، هنگام استفاده از مجموعه داده‌های Join ، انتخاب‌ها پشتیبانی نمی‌شوند .
 
اگر فقط می‌خواهید مقادیر انتگرال‌ها را روی مجموعه‌های داده مقایسه کنید، می‌توانید با استفاده از نوع Transformation تنظیم شده روی تفاوت در گره گروه ارزیابی ، که دقت بهتری را فراهم می‌کند، به این هدف برسید.