在AnyLogic中从导入数据库运行多迭代重复实验遇问题求助

1. 按日期拆分独立实验，避免存储冲突 #

放弃在单次ParameterVariations实验内循环处理所有日期，直接按日期维度拆分实验：

• 从数据库提取20天数据并按日期分组，为每个日期创建单独的ParameterVariations实验
• 每个实验仅对应单一日程数据，设置重复次数（建议至少30次，满足95%置信区间的统计样本要求）
• 实验输出自动绑定对应日期，无需手动在迭代中处理存储，工具会按实验维度自动归档数据

2. 批量生成实验的快捷代码（适配支持API的实验平台） #

如果手动创建20个实验繁琐，用批量脚本快速生成：

import pandas as pd
import your_experiment_platform_api as exp_api

# 从数据库读取并分组数据
db_conn = your_database_connection()  # 替换为你的数据库连接逻辑
df = pd.read_sql("SELECT * FROM schedule_table", db_conn)
daily_groups = df.groupby("date")

# 批量创建并启动实验
for date, daily_data in daily_groups:
    exp = exp_api.create_param_variation_exp(
        name=f"Daily_Schedule_Exp_{date.strftime('%Y%m%d')}",
        parameters={"schedule": daily_data.to_dict(orient="records")},
        repeat_count=50  # 50次重复足以稳定计算95%置信区间
    )
    exp.start()

3. 自动计算95%置信区间 #

实验完成后直接用工具内置功能处理：

• 针对每个日期的实验结果，选择置信区间分析，设置置信水平为95%
• 工具会自动基于重复实验的输出，计算均值、标准差及95%CI上下限
• 一键导出所有日期的统计结果表格，包含日期、均值、95%CI区间值

4. 规避迭代存储错误的核心逻辑 #

之前的错误大概率是单次实验迭代中重复写入同一存储路径/变量导致的冲突，按日期拆分实验后：

• 每个实验的输出是独立存储单元，不会互相覆盖
• 省去手动迭代存储的代码逻辑，减少出错概率

内容的提问来源于stack exchange，提问作者Simran