Dictionnaire des données canoniques
devices
| Champ |
Description |
DeviceId |
Identifiant interne de jointure; jamais utilisé comme variable prédictive. |
DeviceNo |
Numéro opérationnel utilisé dans le classeur terrain. |
SerialNo |
Numéro de série. |
DeviceTypeId, DisplayName |
Type standard ou HY. |
Latitude, Longitude |
Coordonnées réservées à l'exploration locale, non utilisées par le modèle. |
sensor_daily
| Champ |
Description |
sensor_timestamp |
Fin de la mesure acoustique. |
ValueA, ValueB, ValueC |
Valeurs brutes du fournisseur. |
minimal_level, frequency, spread |
Valeurs reconstruites de l'interface. |
minimal_percent, vendor_status |
Pourcentage et classe de seuil fournisseur. |
device_reports
| Champ |
Description |
report_timestamp |
Horodatage du rapport quotidien. |
BattCap, BattVoltage |
Capacité et tension de batterie. |
Sensitivity |
Qualité radio affichée. |
Temperatur |
Température du rapport. |
inspections
| Champ |
Description |
event_id, campaign_id |
Identifiants reproductibles de l'événement et de la ronde. |
alert_date |
Jour où l'alarme a été vue et inspectée. |
selection_status |
État de sélection, généralement « à voir »; ce n'est pas l'étiquette. |
observation_raw, observation_normalized |
Confirmation terrain originale et normalisée. |
label, label_name |
Résultat binaire construit selon la politique métier. |
mapping_error |
Raison d'exclusion lorsque l'appareil ne peut pas être relié. |
training_features
Une ligne par inspection. Les colonnes de métadonnées documentent le cutoff, la mesure utilisée,
l'éligibilité et les exclusions. Les variables numériques portent un suffixe 3d, 7d, 14d ou
30d indiquant leur fenêtre historique.
| Champ |
Description |
pipe_material |
Matériau de conduite confirmé par le propriétaire des données : Plastic pour Fez et Mohamadia. Métadonnée constante, utilisée pour sélectionner les cas Wessex comparables, pas pour inventer d'autres attributs. |
Artefacts d'expérience
Chaque dossier artifacts/experiments/<run_id>/ contient le manifeste JSON, le modèle Joblib, les
prédictions temporelles et groupées, l'importance des variables et la fiche de modèle Markdown.