模型分析工具使用指南

概述

本工具包为土壤酸化模型提供了全面的分析和诊断功能，特别针对模型24的性能问题分析。工具包包含两个主要组件：

ModelAnalyzer: 综合性能分析工具
ModelDiagnostic: 问题诊断工具

文件结构

model_optimize/
├── model_analyzer.py       # 综合性能分析工具
├── model_diagnostic.py     # 问题诊断工具
├── run_analysis.py         # 快速运行脚本
├── README.md              # 使用说明
├── analysis_results/      # 分析结果输出目录
└── diagnostic_results/    # 诊断结果输出目录

功能特性

ModelAnalyzer (综合性能分析)

模型性能评估: R²、RMSE、MAE、MAPE等多种指标
特征重要性分析: 模型内置重要性 + 排列重要性
预测行为分析: 用户参数预测 + 预测值分布统计
参数敏感性分析: 各参数对预测结果的影响程度
可视化图表: 散点图、残差图、特征重要性图、敏感性曲线
综合报告: 详细的分析报告和优化建议

ModelDiagnostic (问题诊断)

异常预测检测: 训练数据异常值检测 + 测试预测异常检测
数据分布分析: 特征分布、目标变量分布、相关性分析
模型稳定性测试: 参数扰动测试、敏感性评估
边界条件测试: 极值情况下的模型表现
数据质量检查: 缺失值、异常值、高相关性检测
诊断可视化: 分布图、箱线图、Q-Q图、相关性热图
诊断报告: 问题识别和改进建议

使用方法

方法1: 使用快速运行脚本 (推荐)

cd model_optimize
python run_analysis.py

脚本会提供交互式菜单，您可以选择：

综合性能分析
问题诊断分析
同时执行两种分析
退出

方法2: 直接调用分析工具

综合性能分析

from model_analyzer import ModelAnalyzer

# 创建分析器实例
analyzer = ModelAnalyzer()

# 用户参数（来自API调用）
user_params = {
    "OM": 100,
    "CL": 3.1,
    "CEC": 3.44584,
    "H_plus": 0.5,
    "N": 12.4,
    "Al3_plus": 0.8,
    "target_pH": 7.0
}

# 运行完整分析
results = analyzer.run_full_analysis(model_id=24, sample_params=user_params)

问题诊断分析

from model_diagnostic import ModelDiagnostic

# 创建诊断器实例
diagnostic = ModelDiagnostic()

# 运行完整诊断
results = diagnostic.run_full_diagnostic(model_id=24, test_params=user_params)

输出结果

分析结果文件

所有分析结果会保存在相应目录中：

analysis_results/: 性能分析结果
- 散点图: model_24_scatter_YYYYMMDD_HHMMSS.png
- 残差图: model_24_residuals_YYYYMMDD_HHMMSS.png
- 特征重要性图: model_24_feature_importance_YYYYMMDD_HHMMSS.png
- 敏感性分析图: model_24_sensitivity_YYYYMMDD_HHMMSS.png
- 敏感性曲线: model_24_sensitivity_curves_YYYYMMDD_HHMMSS.png
- 分析报告: model_24_analysis_report_YYYYMMDD_HHMMSS.txt
diagnostic_results/: 诊断结果
- 数据分布图: model_24_data_distribution_YYYYMMDD_HHMMSS.png
- 异常值分析图: model_24_outlier_analysis_YYYYMMDD_HHMMSS.png
- 敏感性图: model_24_sensitivity_YYYYMMDD_HHMMSS.png
- 相关性矩阵: model_24_correlation_YYYYMMDD_HHMMSS.png
- 诊断报告: model_24_diagnostic_report_YYYYMMDD_HHMMSS.txt

报告内容示例

分析报告包含：

模型基本信息
性能指标详情 (R²、RMSE、MAE等)
特征重要性排序
参数敏感性排序
用户参数预测结果
优化建议

诊断报告包含：

异常检测结果
数据质量分析
稳定性测试结果
边界条件测试
问题诊断和改进建议

针对模型24的分析

基于您提供的API调用参数：

{
    "model_id": "24",
    "parameters": {
        "OM": 100,
        "CL": 3.1,
        "CEC": 3.44584,
        "H_plus": 0.5,
        "N": 12.4,
        "Al3_plus": 0.8
    }
}

工具会自动：

加载模型24的信息和文件
确定模型数据类型 (reduce/reflux)
加载相应的训练/测试数据
对用户参数进行预测和分析
生成详细的分析和诊断报告

依赖环境

确保安装了以下Python包：

pip install pandas numpy matplotlib seaborn scikit-learn scipy sqlite3

注意事项

数据库路径: 工具默认使用 SoilAcidification.db，确保文件存在
模型文件: 确保模型pickle文件路径正确
测试数据: 需要存在对应的测试数据文件 (uploads/data/X_test_*.csv, uploads/data/Y_test_*.csv)
权限: 确保有创建输出目录和写入文件的权限

故障排除

常见问题

模型文件不存在
- 检查数据库中模型的 ModelFilePath 字段
- 确保pkl文件确实存在于指定路径
测试数据加载失败
- 检查 uploads/data/ 目录下是否有对应的CSV文件
- 确保文件格式正确
中文字体显示问题
- 图表可能无法正确显示中文标签
- 这不影响分析功能，只是显示问题

调试模式

如需查看详细的调试信息，在代码中设置：

import logging
logging.basicConfig(level=logging.DEBUG)

扩展使用

分析其他模型

修改 run_analysis.py 中的 model_id 参数：

model_id = 25  # 改为其他模型ID

批量分析

可以编写循环来分析多个模型：

for model_id in [24, 25, 26]:
    analyzer.run_full_analysis(model_id, user_params)

自定义参数

修改 user_params 字典来测试不同的参数组合：

user_params = {
    "OM": 50,      # 修改有机质含量
    "CL": 2.5,     # 修改粘土含量
    # ... 其他参数
}

技术支持

如有问题，请检查：

控制台输出的错误信息
生成的日志文件
确保所有依赖文件都存在

使用愉快！此工具将帮助您深入了解模型24的性能特征和潜在问题。

README.md 6.0 KB История Исходник