#!/usr/bin/env python3
"""
Investigación de initial_velocity en TSNet
"""

import sys
import os
import numpy as np


def investigate_initial_velocity():
    """
    Investiga qué formato necesita initial_velocity en TSNet
    """
    print("=== INVESTIGACIÓN INITIAL_VELOCITY EN TSNET ===")

    try:
        import tsnet
        import wntr

        print(f"✓ TSNet version: {tsnet.__version__}")
        print(f"✓ WNTR version: {wntr.__version__}")
    except ImportError as e:
        print(f"✗ Error al importar: {e}")
        return False

    # Usar archivo INP existente
    temp_dir = r"c:\Users\migue\AppData\Local\Temp\TSNet"
    inp_path = os.path.join(temp_dir, "network_20250912_003944.inp")

    if not os.path.exists(inp_path):
        print(f"✗ Archivo INP no encontrado: {inp_path}")
        return False

    try:
        print("\n=== ANALIZANDO ESTRUCTURA DE PIPES ===")

        # Cargar modelo
        tm = tsnet.network.TransientModel(inp_path)
        print("✓ Modelo cargado")

        # Aplicar correcciones básicas primero
        if hasattr(tm, "simulation_period") and tm.simulation_period <= 0:
            tm.simulation_period = 1.0
        if hasattr(tm, "time_step") and tm.time_step <= 0:
            tm.time_step = 0.1
        if tm.time_step >= tm.simulation_period:
            tm.time_step = tm.simulation_period / 10.0

        print(f"simulation_period = {tm.simulation_period}")
        print(f"time_step = {tm.time_step}")

        # Investigar pipes
        if hasattr(tm, "pipe_name_list") and hasattr(tm, "get_link"):
            for pipe_name in tm.pipe_name_list:
                pipe_obj = tm.get_link(pipe_name)
                print(f"\n--- PIPE {pipe_name} ---")
                print(f"Tipo: {type(pipe_obj)}")

                # Buscar atributos relacionados con dimensiones
                relevant_attrs = []
                for attr in dir(pipe_obj):
                    if not attr.startswith("_"):
                        try:
                            value = getattr(pipe_obj, attr)
                            # Buscar atributos que podrían indicar dimensiones
                            if any(
                                keyword in attr.lower()
                                for keyword in [
                                    "length",
                                    "diameter",
                                    "segment",
                                    "node",
                                    "point",
                                ]
                            ):
                                relevant_attrs.append((attr, value))
                        except:
                            pass

                print("Atributos relevantes:")
                for attr, value in relevant_attrs:
                    print(f"  {attr}: {value}")

                # Investigar si tiene algún método relacionado con segmentación
                methods = [
                    attr
                    for attr in dir(pipe_obj)
                    if callable(getattr(pipe_obj, attr)) and not attr.startswith("_")
                ]
                segment_methods = [
                    m
                    for m in methods
                    if "segment" in m.lower()
                    or "discret" in m.lower()
                    or "grid" in m.lower()
                ]
                if segment_methods:
                    print(f"Métodos de segmentación: {segment_methods}")

        # Investigar el modelo transient para encontrar parámetros de discretización
        print(f"\n=== INVESTIGANDO DISCRETIZACIÓN EN TRANSIENT MODEL ===")

        discretization_attrs = []
        for attr in dir(tm):
            if not attr.startswith("_"):
                try:
                    value = getattr(tm, attr)
                    # Buscar atributos relacionados con discretización espacial
                    if any(
                        keyword in attr.lower()
                        for keyword in [
                            "dx",
                            "delta",
                            "segment",
                            "grid",
                            "discret",
                            "step",
                        ]
                    ):
                        discretization_attrs.append((attr, value))
                except:
                    pass

        print("Atributos de discretización:")
        for attr, value in discretization_attrs:
            print(f"  {attr}: {value}")

        # Intentar ver si TSNet tiene algún método para calcular el número de segmentos
        print(f"\n=== INTENTANDO CALCULAR NÚMERO DE SEGMENTOS ===")

        # Método común en métodos de diferencias finitas:
        # Número de segmentos = longitud del pipe / delta_x
        for pipe_name in tm.pipe_name_list:
            pipe_obj = tm.get_link(pipe_name)
            if hasattr(pipe_obj, "length"):
                pipe_length = pipe_obj.length
                print(f"Pipe {pipe_name} longitud: {pipe_length}")

                # Buscar delta_x o parámetros similares
                possible_dx_attrs = ["dx", "delta_x", "spatial_step"]
                dx = None
                for dx_attr in possible_dx_attrs:
                    if hasattr(tm, dx_attr):
                        dx = getattr(tm, dx_attr)
                        print(f"  Encontrado {dx_attr} = {dx}")
                        break

                if dx is None:
                    # Estimación: usar un dx razonable basado en la longitud
                    dx = pipe_length / 10.0  # 10 segmentos por defecto
                    print(f"  Estimando dx = {dx} (longitud/10)")

                num_segments = int(pipe_length / dx) + 1
                print(f"  Número de segmentos estimado: {num_segments}")

                # Crear array de velocidades iniciales
                initial_velocity_array = np.zeros(num_segments)
                print(f"  Array initial_velocity shape: {initial_velocity_array.shape}")
                print(f"  Array initial_velocity: {initial_velocity_array}")

                # Intentar asignar el array como initial_velocity
                try:
                    pipe_obj.initial_velocity = initial_velocity_array
                    print(f"  ✓ initial_velocity array asignado exitosamente")
                except Exception as e:
                    print(f"  ✗ Error asignando array: {e}")

        # Probar la simulación
        print(f"\n=== PROBANDO SIMULACIÓN CON ARRAYS ===")
        try:
            results = tsnet.simulation.MOCSimulator(
                tm, results_obj="results", friction="steady"
            )
            print("🎉 ¡SIMULACIÓN EXITOSA CON ARRAYS!")
            return True
        except Exception as e:
            print(f"✗ Todavía hay error: {e}")

            # Imprimir traceback para ver exactamente dónde falla
            import traceback

            print("\n--- TRACEBACK ---")
            traceback.print_exc()
            return False

    except Exception as e:
        print(f"✗ Error general: {e}")
        import traceback

        traceback.print_exc()
        return False


def main():
    """Función principal"""
    success = investigate_initial_velocity()
    return success


if __name__ == "__main__":
    success = main()
    sys.exit(0 if success else 1)