---

import numpy as np
import matplotlib.pyplot as plt
from scipy.special import j0, j1, jn_zeros
from scipy.optimize import curve_fit

# ==========================================
# 1. ДАННЫЕ ИЗ ЛОГОС (с твоего скриншота Excel)
# ==========================================
# Обрати внимание: время в ЛОГОС идет 0, 100, 200... 1000
time_logos = np.array([0, 100, 200, 300, 400, 500, 600, 700, 800, 900, 1000])
temp_logos = np.array([
    100.0, 
    99.999618305476005, 
    99.997252127994145, 
    99.989257146927443, 
    99.969682582904980, 
    99.930723936601183, 
    99.863634228334291, 
    99.759914934029354, 
    99.612150859932925, 
    99.414628053968144, 
    99.163586548299634
])

# ==========================================
# 2. АНАЛИТИЧЕСКОЕ РЕШЕНИЕ (Формула 3)
# ==========================================
R = 0.1             # Радиус, м
T0 = 100.0          # Начальная температура, °C
r0 = R / 2          # Точка замера, м
z_n = jn_zeros(0, 100) # Корни Бесселя

# Функция для расчета температуры при заданном a2 и t
def get_temperature(t_val, a2):
    T = 0.0
    for z in z_n:
        term = (1.0 / (z * j1(z))) * j0(z * (r0 / R)) * np.exp(-((a2 * z**2) / R**2) * t_val)
        T += term
    return 2 * T0 * T

# Создаем плавный массив времени для графика
time_python = np.linspace(0, 1000, 500) 

# ВНИМАНИЕ: Подгоняем коэффициент a2 под данные ЛОГОС, 
# так как в ЛОГОСЕ, судя по всему, другие единицы измерения!
popt, pcov = curve_fit(lambda t, a2: [get_temperature(ti, a2) for ti in t], 
                       time_logos, temp_logos, p0=[2.3e-5])
a2_fitted = popt[0]

print(f"Теоретическая a2 по методичке: 2.3e-05")
print(f"Эффективная a2 в ЛОГОСе: {a2_fitted:.5e}")

# Считаем теоретическую кривую с "правильной" a2
temp_python_fitted = [get_temperature(t, a2_fitted) for t in time_python]

# ==========================================
# 3. ПОСТРОЕНИЕ ГРАФИКОВ
# ==========================================
plt.figure(figsize=(10, 6))

# График аналитического решения (подогнанный под ЛОГОС)
plt.plot(time_python, temp_python_fitted, 'b-', linewidth=2, label='Аналитическое решение (Формула 3)')

# Твои точки из ЛОГОС
plt.plot(time_logos, temp_logos, 'ro', markersize=6, label='Данные ЛОГОС (Node 2670)')

plt.title('Динамика температуры в точке r = R/2')
plt.xlabel('Время, t (с или шаг)')
plt.ylabel('Температура, T (°C)')
plt.grid(True, linestyle='--', alpha=0.7)
plt.legend()
plt.xlim(0, 1050)
# Убираем жесткое ограничение, чтобы видеть полную картину
# plt.ylim(98, 100.5) 

plt.tight_layout()
plt.show()

# Характерное время
tau = (R**2) / 2.3e-5
print(f"Теоретическое tau = {tau:.1f} сек")