airmosaic-ai

空气质量臭氧回归参考案例

English 中文

证据：2026-10-27 只读源码核对。 授权服务器项目的 script/AQ_Bench.r 包含可复用建模示例。本次只查看源码与目录元信息，没有读取输入数据、拟合模型内容或重算数值结果。此案例服务于需求驱动的模型构建，不是已注册的可执行案例。

已确认的计算路径

环节 源码依据 可复用职责
入口 AQ_Bench.r:1 交互式 R 入口依赖 RStudio 活动文档确定位置，命令行使用需要适配
数据与特征 AQ_Bench.r:33–66 读取表格 CSV，选择目标与特征，筛选研究样本，重编码类别并处理缺失
划分 AQ_Bench.r:67–80 将 dataset 中标为 test 的行留出，其他标签进入训练
拟合与调参 AQ_Bench.r:84–138 两个特征分支使用 mlr3 的 regr.ranger、随机十折交叉验证、RMSE 和二十次评价的随机搜索
评价 AQ_Bench.r:140–188 测试预测、指标与散点图
解释 AQ_Bench.r:231–386,479–545 PDP、ICE、特征交互、三维 PDP，以及 fastshap/shapviz 解释

上述划分和调参选择仅描述本案例，不作为其他用户任务的默认值。独立的 ML_DID.R 是因果方法探索代码，不证明已经具备通用且验证通过的因果能力。

从源码恢复的输入契约

本次有限目录清单包含五个 R 源码条目、数据目录的一份 CSV，以及结果目录顶层的二十四个文件：两个 RDS 模型、两份 CSV 和二十份图片。这是已检查位置的库存，不代表每个脚本或产物都通过验证；历史脚本及辅助目录与已确认主入口分开。

主要目标为 o3_average_values。完整特征包括 climatic_zone、alt、water_25km、grasslands_25km、croplands_25km、urban_and_built-up_25km、no2_column、population_density、nightlight_1km。源码还用 country 筛选样本、用 dataset 划分。anth 分支使用 climatic_zone、alt、population_density，不把这个源码命名当作通用的人为贡献定义。

此前私人 CSV 只核对了存在性和大小（1,531,254 字节），未读取正文。下述公开输入提供有说明依据的起点，尚未与此前私人文件核对字节一致性。

公开输入

AQ-Bench v1 于 2020-11-05 发布，采用 CC-BY-4.0 许可，包含上述目标和全部特征。数据论文说明，其内容是由 TOAR 数据库整理的 2010–2014 年站点臭氧汇总指标及环境元数据。它适用于站点尺度回归，不含逐小时序列。

文件 内容
AQbench_dataset.csv 5,577 个站点、53 列；1,531,254 字节
AQbench_variables.csv 53 列的变量字典；3,933 字节

文件保持原样，保存于 ${AIRMOSAIC_ASSETS_DIR}/data/03_atmospheric_transport/AQ-Bench/v1/。同目录的 asset.json 记录来源 DOI、许可、版本和文件哈希，validation.json 保存获取检查结果。公开来源输入仍放仓库外资产根，仓库内资产保留为合成示例。

字典确认响应列 o3_average_values 的单位为 ppb。id 唯一标识站点；dataset 包含 train（3,348）、val（1,114）和 test（1,115）。先保留标签，再确定开发方案。其他臭氧响应列不得静默进入特征集合。准备阶段处理发布数据的缺失标记 -999，不改动源文件；字典中的预处理建议不作为代码自动执行。

2026-10-27 已无需登录获取两个官方文件，通过发布方 MD5 及落盘后的 SHA256 核对。案例所需列全部存在，所查列未发现空值或 -999；尚未拟合模型。论文指出站点分布不均、测量不确定性及元数据不随时间变化等限制；历史基准表现不能证明当前覆盖或空间外推能力。

已有输出与缺少的回执

源码有二十四项实际生效的 library() 声明，未验证安装版本或兼容性：

ISLR aqfig colorRamps data.table dplyr fastshap future ggplot2 iml
lubridate mlr3 mlr3fselect mlr3tuning mlr3verse mltools paradox
ranger readr reticulate shapviz stringr tictoc tidyverse treeshap

另有 RStudio 定位、绘图及数据辅助函数的命名空间调用。拆分能力时分别核对最小依赖，不直接安装整套历史环境。本次项目根目录清单未发现依赖锁文件。

源码第 132–138 行写入 result/Ranger_AQ.rds、result/Ranger_AQ_anth.rds，后续导出测试散点、重要性、PDP/ICE、交互、三维 PDP 和 SHAP 图。已有产物本次只查存在性与大小。

第 168–170 行同时计算 mlr3 的 regr.rmse、regr.rsq 及另一个回归所得的调整后 R²；保留各自定义，不合并成未注明口径的 R²。当前入口没有保存独立测试预测表、折分配或完整调参档案。结果目录里的其他 CSV 没有生产者依据时，不能归到这个入口名下。

作为验证模板前的必要适配

  1. 将入口改为显式数据、配置和输出参数，拆出可复用的加载、准备、拟合、评价及解释函数。当前顶层脚本在运行或通过 source() 加载时可能直接执行整套分析。
  2. 筛选前保留稳定行标识。完整与子集分支分别删除缺失行，却复用完整分支的行位置划分（AQ_Bench.r:58–73）；缺失模式不同时可能错配。本次没有验证现有数据是否触发。正式适配需要各分支按键对齐，并声明用于比较的共同样本。
  3. 声明允许的划分标签，不把所有非 test 标签静默纳入训练。按应用选择分组、时间或空间验证；随机按行交叉验证只是原案例选择。
  4. 将国家筛选、类别合并、人口缩放、目标与特征、种子、调参预算和绘图范围显式化。原案例复现配置与新任务选择分开记录。
  5. 配置解释背景与资源限制。原三维 PDP 将整表复制到 20×20 网格（AQ_Bench.r:327–347），包含测试集的自变量范围或背景；SHAP 使用训练背景（493–499）。明确什么时候允许描述测试分布，开发选型与留出评估保持分开；高分辨率图导出也要纳入预算。
  6. 保存输入与结构版本、划分编号、候选与调参记录、留出预测、指标定义及全新产物清单。模型或图存在不足以验收复现。
  7. 解释结果绑定冻结模型及其特征契约。第 206–208 行为重要性过滤器重新设置学习器参数，需核对它是否代表最终选定模型；若采用辅助拟合，另行标记。按位置提取响应也应改为命名响应契约。

保留原案例未修改源码快照和本地指纹。修正或适配后的实现作为另一个版本，记录差异并验证；不静默改变旧数据、产物或参考行为来制造一致。

能力状态

源码核对保留了旧案例的适配依据。另已实现公开输入回归技能，通过 ml_regression_workflow 串联准备、建模、评估和解释，并完成 AQ-Bench 小样本运行。此实现使用明确的训练、验证和测试划分，不是旧脚本随机交叉验证流程的原样复现。私人源码与历史数据仍留原位，当前不提供任意模型或通用自动编排。

This site is open source. Improve this page.