Main Content

Diese Seite wurde mithilfe maschineller Übersetzung übersetzt. Klicken Sie hier, um die neueste Version auf Englisch zu sehen.

Visualisieren Sie den Zusammenhang zwischen Temperatur und Luftfeuchtigkeit

Live Script öffnen

Dieses Beispiel zeigt, wie mehrere Variablen aus einem vorhandenen ThingSpeak™ -Kanal gelesen und ein Streudiagramm erstellt werden, um die Korrelation von Temperatur und Druck zu untersuchen. Im Beispiel ändern Sie eine der Codevorlagen, die von der MATLAB Analyse- und MATLAB Visualisierungen-App bereitgestellt werden.

ThingSpeak channel 12397 enthält Wetterdaten von einer Wetterstation auf einem Parkhaus auf dem MathWorks® Campus in Natick, MA. Feld 4 enthält die Temperaturmessung, Feld 3 enthält die Feuchtigkeitsmessung.

Erstellen Sie eine MATLAB Visualisierung aus Vorlagencode

Um eine Streudiagramm-Visualisierung von Daten aus einem ThingSpeak Kanal zu erstellen, können Sie ein MATLAB Skript mithilfe einer Codevorlage schreiben, die in der MATLAB Visualisierungen-App bereitgestellt wird.

Gehen Sie zur Registerkarte „Apps“ und wählen Sie „MATLAB Visualisierungen“. Klicken Sie auf „Neu“, wählen Sie „Korrelation zwischen Temperatur und Luftfeuchtigkeit visualisieren“ und klicken Sie auf „Erstellen“.

Visualisieren Sie Ihre Daten

ThingSpeak füllt das Feld „MATLAB Code“ mit dem Code zum Generieren des Temperaturhistogramms.

1) Legen Sie die Variablen für die Kommunikation mit ThingSpeak fest. In diesem Beispiel ist der gelesene API-Schlüssel nicht erforderlich, da der Wetterstationskanal öffentlich ist. Wenn Sie von Ihrem eigenen Kanal lesen, können Sie diese Werte ändern.

readChannelID = 12397;
TemperatureFieldID = 4;
HumidityFieldID = 3;
readAPIKey = '';

2) Verwenden Sie thingSpeakRead , um 300 Punkte aus den Temperatur- und Feuchtigkeitsfeldern abzurufen.

data = thingSpeakRead(readChannelID,'Fields',[TemperatureFieldID HumidityFieldID], ...
      'NumPoints',300, 'ReadKey',readAPIKey);

3) Extrahieren Sie die Temperatur- und Windgeschwindigkeitsdaten.

temperatureData = data(:, 1);
humidityData = data(:, 2);

4) Verwenden Sie scatter , um den Plot zu generieren. Legen Sie die Beschriftungen der X- und Y-Achse mit xlabel und ylabel fest.

scatter(temperatureData,humidityData);
xlabel('Temperature');
ylabel('Humidity');

5) Sie können den Vorlagencode bearbeiten, um ihn an Ihre Anwendung anzupassen. Sie können beispielsweise die Anzahl der zu lesenden Punkte und die Plottitel im Code bearbeiten. Klicken Sie auf „Speichern und ausführen“, um die Ausgabe zu generieren. Da das Streudiagramm aus Live-Daten erstellt wird, sieht Ihr Diagramm ähnlich, aber nicht identisch mit diesem Diagramm aus.

Fügen Sie Ihrer Kanalansicht eine Visualisierung hinzu

Optional können Sie gespeicherte Visualisierungen zu Ihrem Kanal hinzufügen. Klicken Sie in den „Anzeigeeinstellungen“ auf „Diese Visualisierung einem Kanal hinzufügen/bearbeiten“, um die Kanalliste zu erweitern.

Klicken Sie auf das Kontrollkästchen für den Kanal, dem Sie die Visualisierung hinzufügen möchten. Um private Visualisierungen hinzuzufügen, aktivieren Sie „Private Ansicht“. Um die URL zu teilen und die Visualisierung zur „Öffentlichen Ansicht“ hinzuzufügen, wählen Sie „Öffentliche URL erstellen“. Um Ihre Auswahl zu aktualisieren, klicken Sie auf „Anzeigeeinstellungen speichern“.

Lineare Anpassung bestimmen

Die Funktion polyfit kann eine Anpassung an lineare Daten bereitstellen, wenn der Anpassungsgrad auf den Wert 1 eingestellt ist. Der folgende Code ist nicht in der Vorlage enthalten. Um mehrere Verteilungen darzustellen, fügen Sie diesen Code zur Vorlage hinzu.

1) Verwenden Sie polyfit , um eine Anpassung an die Daten durchzuführen. Geben Sie 1 als letztes Argument für eine lineare Anpassung an.

fitData = polyfit(temperatureData,humidityData,1);
display(fitData(1),'Slope');
Slope = -1.1647

display(fitData(2),'Intercept');
Intercept = 104.3294

2) Da zwischen Temperatur und Luftfeuchtigkeit kein eindeutiger Zusammenhang besteht, ist die lineare Anpassung nicht unbedingt eine gute Anpassung. Sie können die Anpassungsqualität mit einem Korrelationskoeffizienten überprüfen. Berechnen Sie den Korrelationskoeffizienten und zeigen Sie ihn an.

r = corrcoef(temperatureData,humidityData);
display(r(2),'Correlation Coefficient');
   -0.8784

3) Klicken Sie auf „Speichern und ausführen“, um das Doppeldiagramm zu erstellen. Das Streudiagramm weist eine negative Steigung und damit einen negativen Korrelationskoeffizienten auf: Die Luftfeuchtigkeit nimmt bei dieser Messung mit steigender Temperatur ab. Ein r-Wert von 1 oder -1 weist auf eine perfekte Anpassung hin. Der r-Wert für diese Daten bestätigt, dass die Anpassung relativ schlecht ist.

Siehe auch

Funktionen

Verwandte Beispiele

Mehr über