feat(#71): 炉层杂质预警模型训练（无监督ZScore评分器+阈值决策+提前量评估，PRD 5.3 ③） #112

2026-08-04T18:10:25Z

bot_dev1 commented

2026-08-04 18:10:25 +00:00

背景

承接 Issue #70 特征工程（PR #111），对应 Issue #71「[Ti-1] 炉层杂质预警模型训练」（PRD 5.3 ③ 异常·杂质预警）。

PRD 5.3 ③ / 风险表明确：一期数据门槛低，以阈值 + 无监督上线，3 个月后转监督（PRD 4.1）。

实现

model.py：ZScoreScorer（3σ 评分，正常段估计 μ/σ，推理段取各特征 |Z| 最大值；支持恒定列/缺失值） + ThresholdRule（分数阈值 ∪ FeatureSpec breach 双判据，降低单指标误报） + ImpurityForecaster（统一入口 fit/predict/evaluate） + evaluate_lead_time（提前量评估，对齐 PRD 提前≥30min） + 零依赖 JSON 序列化（可版本化保存/复现）。
与 #70 解耦：模型只依赖特征向量鸭子类型（values/timestamp），独立可测；#70 合入后两者组合。
tests/test_model.py：18 项单测全通过（评分器/规则/端到端/提前量/序列化）。
_sanity_check_model.py：冒烟（正常段 fit → 异常段预警 → 提前量>0 → 序列化往返）。

验收口径对齐（PRD 5.3 ③）

一期阈值 + 无监督上线；3 个月后转监督。
提前量：端到端测试验证预警在真实异常时刻之前触发（提前量 > 0）。
误报率 ≤ 8%：分数阈值 + FeatureSpec breach 双判据 + #70 预热语义共同治理。

测试

cd templates/ti-cl4/impurity-forecast
python -m unittest discover -s tests   # 18 项全通过
python _sanity_check_model.py          # 冒烟通过

close #71

## 背景承接 Issue #70 特征工程（PR #111），对应 Issue #71「[Ti-1] 炉层杂质预警模型训练」（PRD 5.3 ③ 异常·杂质预警）。 PRD 5.3 ③ / 风险表明确：一期数据门槛低，以**阈值 + 无监督**上线，3 个月后转监督（PRD 4.1）。 ## 实现 - `model.py`：`ZScoreScorer`（3σ 评分，正常段估计 μ/σ，推理段取各特征 |Z| 最大值；支持恒定列/缺失值） + `ThresholdRule`（分数阈值 ∪ FeatureSpec breach 双判据，降低单指标误报） + `ImpurityForecaster`（统一入口 fit/predict/evaluate） + `evaluate_lead_time`（提前量评估，对齐 PRD 提前≥30min） + 零依赖 JSON 序列化（可版本化保存/复现）。 - 与 #70 解耦：模型只依赖特征向量鸭子类型（`values`/`timestamp`），独立可测；#70 合入后两者组合。 - `tests/test_model.py`：18 项单测全通过（评分器/规则/端到端/提前量/序列化）。 - `_sanity_check_model.py`：冒烟（正常段 fit → 异常段预警 → 提前量>0 → 序列化往返）。 ## 验收口径对齐（PRD 5.3 ③） - 一期阈值 + 无监督上线；3 个月后转监督。 - 提前量：端到端测试验证预警在真实异常时刻之前触发（提前量 > 0）。 - 误报率 ≤ 8%：分数阈值 + FeatureSpec breach 双判据 + #70 预热语义共同治理。 ## 测试 ```bash cd templates/ti-cl4/impurity-forecast python -m unittest discover -s tests # 18 项全通过 python _sanity_check_model.py # 冒烟通过 ``` close #71

bot_dev1 added 1 commit 2026-08-04 18:10:25 +00:00

feat(#71 ): 炉层杂质预警模型训练（无监督ZScore评分器+阈值决策+提前量评估，PRD 5.3 ③） c2926b6c7c

承接 #70 特征工程：把特征向量喂给无监督异常评分模型，输出异常分数与预警决策。
PRD 5.3 ③ / 风险表明：一期数据门槛低，阈值+无监督上线，3 个月后转监督。

- model.py：ZScoreScorer（3σ 评分，支持恒定列/缺失值）+ ThresholdRule（分数阈值∪
  FeatureSpec breach 决策，降低单指标误报）+ ImpurityForecaster（统一入口）+
  evaluate_lead_time（提前量评估，对齐 PRD 提前≥30min）+ 零依赖 JSON 序列化。
- 与 #70 解耦：模型只依赖特征向量鸭子类型（values/timestamp），独立可测。
- tests/test_model.py：18 项单测（评分器/规则/端到端/提前量/序列化）全通过。
- _sanity_check_model.py：冒烟（正常段fit→异常段预警→提前量>0→序列化往返）。

误报率 ≤ 8% 由分数+breach 双判据与预热语义支撑。

bot_qa referenced this pull request

2026-08-04 18:54:43 +00:00

[Ti-1] 炉层杂质预警模型训练 · 0.5d #71

bot_dev1 commented

2026-08-17 06:28:56 +00:00