压力模型“去掉 0 点、测试 100%”版本说明

历史版本记录。该方案对应本地提交 41fe49636，保留当时的 64 条标签和 100% 测试结果。当前已在其基础上落地 v2（61 条标签，新增开机恢复瞬态清理），见文末“八、v2 当前落地结果”。

一、版本定位

类型：润滑油压力标签 + 深度学习/树模型辅助确认
标签：64 条
模型：3 小时窗口，XGBoost
测试结果：查准率 100%、召回率 100%、F1 100%、PR-AUC 100%
事件召回：7/7
特点：在 Stage 1 新标签基础上，进一步把“部分掉点小时”按无效处理

二、和前后版本的区别

版本	压力标签	7 号	8 号	9 号	测试 F1	测试 PR-AUC
备份版本	72	7	63	2	96.59%	99.61%
Stage 1 新标签	68	4	63	1	93.43%	99.27%
本版本：去掉 0 点	64	2	62	0	100%	100%

本版本删除的 7 条单小时弱标签：

7号机-P02 2025-04-30 19:00
7号机-P10 2025-10-05 12:00
8号机-P07 2025-07-09 12:00
8号机-P16 2026-04-26 05:00
8号机-P03 2026-07-27 05:00
8号机-P03 2026-07-31 19:00
9号机-P17 2026-01-30 05:00

同时，掉点小时被剔除后，3 条长阶段发生拆分：

8号机-P05 2025-02-10/11
8号机-P09 2025-10-27/28
8号机-P02 2026-06-14/15

最终阶段分布：

轻微：59
异常：4
严重异常：1

三、标签规则

1. 0 MPa 整小时无效

oil_avg <= 0 → 该小时不参与周期、趋势、连续下降和阶段划分

2. 部分掉点小时无效

新增小时级 0 值统计：

oil_zero_ratio = 0 值运行样本数 / 运行样本数

判定规则：

oil_zero_ratio >= 5%
且相邻小时存在 oil_zero_ratio >= 50% 的小时
→ 该小时判为无效

这样能去掉“均值被 0 值拉低、最大值仍正常”的部分掉点小时，同时避免把孤立少量 0 值误判为掉点。

3. 斜率只用连续有效小时

6 小时斜率只使用连续 1 小时步长的有效小时
跨掉点、缺失、停机缺口不参与斜率

4. 前置下降并入轻微

连续下降 >= 6 个有效小时
且 6 小时斜率 < -0.001
且相对周期基线下降不足 5%
→ 该小时判为轻微

若与后面的轻微阶段间隔不超过 6 小时，则合并为同一段，阶段起点前移。

5. 分级阈值

轻微：相对周期基线下降 >= 5%，且处于下降趋势
异常：相对周期基线下降 >= 10%，或低报警
严重异常：相对周期基线下降 >= 20%，或低低报警

四、程序改动

对应提交：41fe49636

1. `models/common/queries.py`

小时聚合 SQL 增加：

SUM(CASE WHEN YSJ_41 > 0 AND YSJ_5 = 0 THEN 1 ELSE 0 END) AS oil_zero_count

NUMERIC_HOURLY_FIELDS 增加 oil_zero_count，保证小时 CSV 读取时按数值解析。

2. `models/generalized/pressure_algorithm.py`

新增/修改：

_zero_ratio(row)：计算小时 0 值比例。
_dropout_invalid_hours(rows)：
- 先标记 zero_ratio >= 50% 的整小时；
- 再把 zero_ratio >= 5% 且前后 1 小时存在整小时掉点的小时标为无效。
assign_hourly_cycles：
- 过滤 oil_avg <= 0；
- 过滤 _dropout_invalid_hours 命中的小时。
_contiguous_slope(history, current)：
- 只使用连续 1 小时步长的有效小时计算斜率；
- 少于 3 个连续点返回 None。
classify_oil_hourly_segments：
- 趋势判断改用 _contiguous_slope。
extend_oil_segments_with_precursor：
- 对轻微阶段向前扩展；
- 条件：正常小时、相对基线下降 0%–5%、连续下降 >= 6、斜率 < -0.001；
- 重算阶段开始时间、有效小时数和触发依据。
run：
- 在阶段合并后调用 extend_oil_segments_with_precursor。

3. `models/generalized/build_datasets.py`

训练样本构建增加同样的无效小时过滤：

scoped = [row for row in scoped if row.get("oil_avg") is not None and row["oil_avg"] > 0]
invalid = pressure_algorithm._dropout_invalid_hours(scoped)
scoped = [row for row in scoped if (row["批次"], row["_dt"]) not in invalid]

目的：0 值和部分掉点小时既不进入标签，也不作为正常样本进入模型训练。

4. 小时中间表

pks_hourly_full.csv 增加两列：
- oil_zero_count
- oil_zero_ratio
压力标签和训练样本都基于这份带 0 值统计的小时表生成。

5. `models/common/verify.py`

压力模型校验基线更新为本版本：

候选：12,996 正常 / 956 异常
train：8,256 / 614
validation：2,886 / 193
test：1,854 / 149
阈值：0.8617269992828369
测试异常：查准率/召回率/F1 = 1.0
事件召回：7/7

五、训练与评估

数据范围

项目	正常	异常	合计
候选窗口	12,996	956	13,952
train	8,256	614	8,870
validation	2,886	193	3,079
test	1,854	149	2,003

7 号机异常窗口：9 个
9 号机异常窗口：0 个

验证集

阈值	查准率	召回率	F1	PR-AUC
0.861727	99.45%	93.26%	96.26%	99.52%

封存测试集

类别	查准率	召回率	F1	样本数
正常	100%	100%	100%	1,854
异常	100%	100%	100%	149

事件召回：7/7
正常事件误报：0

六、必须说明的局限

测试集 100% 不代表真实泛化能力完美，原因是：

149 个测试异常窗口全部来自 8 号机；
7 号机、9 号机测试集没有异常窗口；
7 号机只有 2 条压力标签、9 个异常窗口；
9 号机压力标签为 0；
标签仍来自规则演化阶段，不是人工确认的物理故障标签。

因此这个版本更适合作为“掉点过滤和标签清洗”的方案记录，不适合直接作为跨机组泛化结论。

七、复现命令

该版本对应提交 41fe49636。在干净工作区中可使用：

# 1. 生成带 0 值统计的小时表（字段：oil_zero_count / oil_zero_ratio）
# 2. 生成压力标签
python3 models/generalized/pressure_algorithm.py \
  --device 7# 8# 9# \
  --hourly-csv models/datas/hourly/pks_hourly_full_zero.csv \
  --output-dir models/datas/staging_v3/pressure

# 3. 重建压力样本、切分、训练、评估
python3 models/generalized/run_pipeline.py --window-hours 3

# 4. 校验
python3 models/common/verify.py

注意：上述命令对应历史 64 条版本，需要恢复到 41fe49636 的代码和数据状态。

八、v2 当前落地结果

v2 在 100% 方案上增加“开机恢复瞬态”清理：候选阶段在开机后 24 小时内出现，且段后连续 12 个有效小时恢复到周期基线 95% 以上、无低报警，则删除该标签，并把开机到稳定恢复前的小时排除出正常训练样本。

压力标签：61 条（轻微 56、异常 4、严重异常 1）
7号机 0、8号机 61、9号机 0
删除 3 条开机恢复瞬态：7号机-P08、7号机-P10、8号机-P05 首条
剔除小时：14 个
样本：13,974（正常 13,029 / 异常 945）
验证集：P 100%、R 91.62%、F1 95.63%、PR-AUC 98.62%
测试集：P 90.24%、R 100%、F1 94.87%、PR-AUC 100%，事件 10/10

当前 3h 压力模型结果和限制见 压力模型结果.md。

压力_去掉0点_100版本说明.md 7.3 KB Riwayat Mentahan