C6 · 出版卷 16
Data Integration and Validation
Hole IDs、depths、intervals、units、status、version
学习目标
本章在不压平含义的前提下组装证据链。学习者应能够设计标识符和关系实体，验证孔口、测斜、回次、编录、样品与化验表，执行区间和单位规则，对状态与版本建模，保存来源追溯，并在保留原始和被替代记录的同时创建采用发布。
表格能够连接，不代表集成成功。语法有效的连接仍可能把化验值接到错误钻孔、使用错误测斜版本或把缺失结果变成零。验证必须检查身份、几何、语义、谱系与决策适用性。
实体与关系模型
把计划、钻孔、分支、孔口观测、测斜观测、采用测斜、钻进事件、回次、容器、岩芯区间、地质观测、构造要素、样品、发运、制样实体、分析批、结果、质量控制、图像与发布表示成可区分实体。它们可以共享键，但不应变成一张超宽表。
需要时同时使用持久源身份与稳定内部键。不能从样号前缀猜孔号；样品通过显式关系属于区间；结果属于某个分取和方法；采用结果视图依据规则从多个结果版本中选择。
很多关系是一对多。一个区间可以有多个解释；一个样品有多个结果；一组原始站可产生多个采用测斜；一张图有多个派生。把它们压成一行会强迫任意选择并隐藏版本历史。
标识符、深度与区间规则
在正确范围验证唯一性。孔号应在仓库或命名空间内唯一；样号在声明系统内必须无歧义；序号可能只在一次发运内唯一。前导零和大小写规则应有意识保留，不能让表格软件改变身份。
深度需要单位、沿孔基准与精度。检查非负、起始小于终止、最大深度与钻进及编录长度关系、测站顺序、回次连续性、岩芯箱对账与样段包含关系。半开区间 [f,t) 防止共享边界被两个区间重复占有。
重叠不总是错误。同一采用解释中的岩性区间通常不应重叠，但脉体可以与岩性重叠，分析复测可以共享支撑。验证规则必须针对表类型和版本。缺口在状态明确时也可以合法。
单位、词汇与结果状态
把数值与单位、分析对象、方法和限定符分开存储。标准化只能通过声明换算，并保留源值。质量百万分率在特定条件下与毫克每千克数值相同，但百分数、元素与氧化物形式、干基和湿基、依赖密度的单位都需要显式语义。
使用受控结果状态：有效数值、低于限、高于限、未分析、未收到、材料不足、无效和等待。没有理由的空值不够。检出限或报告限本身也是带单位和方法的值。不能把限定符塞在文本数字中让下游软件误解析。
词汇与映射需要版本化。两套编录模式使用不同风化或岩性概念时，应建立带限制的显式对照，不能为适应新代码表而静默重标历史观测。
验证、版本与来源追溯
分层验证。结构检查验证必填字段、类型与引用；几何检查验证坐标、角度、深度、区间与轨迹合理性；语义检查验证单位、方法相容性与允许状态组合；谱系检查保证每个采用值回到来源；统计检查识别异常分布、重复值、复制值与批次效应；地质复核判断模式是否合理，但不能因为异常不方便就删除。
创建带校验和的不可变接收快照，用版本化代码或可复现规则转换成标准表。把验证发现也作为数据保存，包含严重度、受影响实体、规则、证据、处置与发布影响。修正源错误应创建修正实体或映射，而不是擦除收到的文件。
一次发布是采用版本与排除项的清单。它应标明孔口版本、测斜版本、编录解释、样品和结果状态、验证规则版本、未解决问题与生成产品。新发布不能改变旧模型当时使用的内容。
合成案例
某合成导入包含钻孔 DH-017、位于 88.0–89.0\,\mathrm m 的样品 S-1042、元素 Y 的两个结果，以及一个标为“最终”的测斜文件。验证发现样品引用的是无连字符的 DH017，两个结果分别使用百分数和毫克每千克，并且测斜文件校验和与早期孔迹使用的版本不同。
流程不能按字符串相似度自动修正。经复核的别名表以来源与理由连接 DH017 和 DH-017。单位保留；只有确认元素基准后才生成派生统一视图。两个测斜文件都成为版本化实体；采用发布声明使用哪一个并重新生成受影响坐标。
发布报告显示原始身份差异、换算与测斜变化。使用者既能复现采用视图，也能检查先前状态。
练习与复核清单
- 实体、观测、解释与发布对象是否区分？
- 标识符是否稳定并在正确范围验证？
- 别名映射是否复核而非猜测？
- 深度和区间是否使用声明单位与边界逻辑？
- 允许的重叠与缺口是否按表类型定义？
- 数值、单位、对象、方法、限定符与状态是否分开？
- 所有换算和词汇映射能否重现？
- 收到的文件是否不可变并有校验和？
- 每项验证发现是否有处置与发布影响？
- 旧发布能否精确重建？
通过覆盖源值或静默选择重复项产生的“干净表”应被拒绝。没有谱系的整洁意味着证据损失。
决策影响与发布
采用数据集是面向用途的视图，不是唯一真相。它应公开所用证据、排除项、未解决问题与不确定性。下游使用者既需要稳定发布身份，也需要回到源观测的路径。
建模或估算前，应测试测斜版本、区间不确定性、支撑、质量状态与删失结果的敏感性。孔口或测斜改变时重新生成派生坐标。当身份、几何、语义、质量和谱系都适合所述决策时，一次发布才适用。
来源
- 地学信息模型，定义钻孔几何、样品、观测与分析信息以支持互操作交换。
- 通用来源追溯本体，提供正式的派生、修订、活动与实体关系。
- 勘查活动报告指南，规定钻孔、测斜、地球化学、编录与原始数据报告要求。
- 国际报告模板与检查表，讨论数据位置、核验、间距、方向、审计与数据库完整性。