исправил линейную аппроксимацию, добавил в зависимости библиотеку modbus tcp

.env-template

@@ -12,3 +12,5 @@ DB_PORT=5432
 # секретный ключ Django
 DJANGO_SECRET="django-secure"
 
+# включение/отключение сервисов ModBus
+ENABLE_MB_SERVICES=1

requirements.txt

@@ -2,3 +2,4 @@ django
 psycopg
 requests
 python-dotenv
+pyModbusTCP==0.2.0

static/js/index-main.js

@@ -31,37 +31,33 @@ function unpackBits(num, desc) {
  * @returns {number}, коэфицент a
  */
 function approximateWithTimestamps(dataset) {
-
-    // для точных расчетов нужно сместить timestamp
     const timestamp_offset = dataset[0][0]
-
-    // сумма (x[i] * y[i])
-    let sum_x_mul_y = 0
-    for (let i = 0; i < dataset.length; i++) {
-        sum_x_mul_y += (dataset[i][0] - timestamp_offset) * dataset[i][1]
-    }
-
-    // сумма всех x[i]
-    let sum_x = 0;
-    for (let i = 0; i < dataset.length; i++) {
-        sum_x += dataset[i][0] - timestamp_offset
-    }
-
-    // сумма всех y[i]
-    let sum_y = 0;
-    for (let i = 0; i < dataset.length; i++) {
-        sum_y += dataset[i][1]
-    }
-
-    // сумма всех x[i]^2
-    let sum_x_mul_x = 0;
-    for (let i = 0; i < dataset.length; i++) {
-        sum_x_mul_x += Math.pow(dataset[i][0] - timestamp_offset, 2)
-    }
-
-    // вычисление коэфицента a из формулы y=ax+b
-    // нам нужен только он
-    return (dataset.length * sum_x_mul_y - sum_x * sum_y) / (sum_x_mul_x - Math.pow(sum_x, 2))
+    const x = dataset.map((element) => element[0] - timestamp_offset);
+    const y = dataset.map((element) => element[1]);
+    const sumX = x.reduce((prev, curr) => prev + curr, 0);
+    const avgX = sumX / x.length;
+    const xDifferencesToAverage = x.map((value) => avgX - value);
+    const xDifferencesToAverageSquared = xDifferencesToAverage.map(
+        (value) => value ** 2
+    );
+    const SSxx = xDifferencesToAverageSquared.reduce(
+        (prev, curr) => prev + curr,
+        0
+    );
+    const sumY = y.reduce((prev, curr) => prev + curr, 0);
+    const avgY = sumY / y.length;
+    const yDifferencesToAverage = y.map((value) => avgY - value);
+    const xAndYDifferencesMultiplied = xDifferencesToAverage.map(
+        (curr, index) => curr * yDifferencesToAverage[index]
+    );
+    const SSxy = xAndYDifferencesMultiplied.reduce(
+        (prev, curr) => prev + curr,
+        0
+    );
+    // const slope = SSxy / SSxx;
+    // const intercept = avgY - slope * avgX;
+    // return (x) => intercept + slope * x;
+    return SSxy / SSxx
 }
 
 async function makeRequest(url) {
@@ -123,7 +119,7 @@ const updateFunctions = {
     // Уровень воды <span id="tank-level-dir"></span>
     'tank-level-dir': (element, dataset) => {
         const last_radar_values = dataset['tank']['last_radar_values']
-        if (last_radar_values.length === 0) {
+        if (last_radar_values.length < 3) {
             element.innerHTML = "(?)"
         } else {
             let ap = approximateWithTimestamps(last_radar_values)