python梯形法计算积分值_Python中实时数据的数值积分（梯形）

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