4. 有效性标识的编码体系与元数据设计

在线监测数据的有效性标识，本质上是一套“让数据自己说明自己是否可信”的约定。如果标识码随意填写、状态含义含糊、时间戳口径不一、来源信息缺失，那么再精细的监测数据在进入统计、审核或执法环节时都会失去可解释性。本节围绕四个规范化设计要点展开：标识码分类、状态字典、时间戳规范、来源标记，并给出可直接落地的编码方案与元数据表结构。

一、标识码分类：先分层，再编码

有效性标识不宜用单一字段承载全部语义，否则会出现“一个码既要表达是否超标、又要表达是否缺测、还要表达是否人工标记”的混乱。推荐采用分层编码：把标识拆成“有效性等级 + 具体原因码”两段，等级用于快速筛选，原因码用于追溯细节。

有效性等级可设为四档：V（有效）、S（可疑）、I（无效）、M（缺失）。原因码采用两位数字，与等级组合成如 V00、S12、I21、M31 的标识码。这样设计的好处是：统计时按首字母聚合即可得到有效率，排障时按后两位定位具体成因。示例分类如下（示例参数，可按实际业务扩充）：

需要强调的是，等级与原因码必须互斥且可判定：同一时刻一条数据只能有一个标识码，判定规则要有明确优先级。建议优先级为“缺失 > 无效 > 可疑 > 有效”，即先判断是否缺测，再判断是否故障或质控不合格，最后才判断是否可疑。这样可避免同一数据被多个规则同时命中而产生歧义。

二、状态字典：让码值有唯一解释

标识码只是“键”，状态字典才是“值”的权威解释。字典应以独立表或配置文件形式维护，至少包含：码值、中文名称、等级、判定规则描述、生效版本、生效起止时间。字典必须版本化——当判定阈值调整时，旧数据仍按旧版本字典解释，新数据按新版本解释，否则历史数据会被“追溯性改写”，破坏审计一致性。

一个可用的字典条目示例（JSON 片段，仅示意结构）：

{
  "code": "S12",
  "name": "质控偏差偏大",
  "level": "S",
  "rule": "校准核查偏差 / 允许限 ∈ [0.8, 1.0)",
  "dict_version": "2024A",
  "valid_from": "2024-01-01T00:00:00+08:00",
  "valid_to": null
}

字典落地时要注意两点：一是码值只增不改，废弃码标记为“停用”而非删除；二是判定规则描述要写成可复核的表达式，而不是“偏差较大”这类模糊措辞，否则不同人员复核时会得出不同结论。

三、时间戳规范：统一口径是有效性的前提

在线监测数据的时间戳至少涉及三个时刻：采样时刻（数据实际产生的时间）、上报时刻（数据包发出的时间）、入库时刻（平台接收写入的时间）。三者混用是有效性判断出错的常见根源。规范做法是：以采样时刻作为数据的主时间轴，上报与入库时刻作为辅助字段保留，用于诊断通信延迟与补传。

时间戳必须带时区偏移，统一采用 ISO 8601 扩展格式，例如 2024-06-15T08:30:00+08:00；跨时区或跨系统交换时统一换算为 UTC 存储、展示时再转本地时区。对于等间隔监测（如 1 分钟均值），还应明确时间戳代表区间起点还是区间终点，并在元数据中固定声明，全文与图示保持一致。此外，补传数据必须保留原始采样时刻，不能以补传时刻覆盖，否则会出现“数据时间整体后移”的假象。

四、来源标记：区分自动、人工与补传

来源标记回答“这条数据是谁、以什么方式产生的”。建议至少区分四类：A（自动采集）、B（人工录入/审核）、C（补传）、D（系统推算/插补）。来源标记与有效性标识正交——补传数据可以是有效的（V00C），人工审核标记也可以是可疑的（S12B）。将两者分开，才能在统计时既算“有效率”又算“自动采集占比”。

下图给出了一条监测数据从产生到入库的标识与元数据装配关系，重点表现标识码、时间戳、来源标记三者在数据记录中的组合方式与判定优先级。

五、落地要点与常见问题

把上述设计落到实际系统时，建议把握三条原则。第一，标识码与元数据同表存储：flag_code、dict_version、三个时间戳、source_tag 应作为数据记录的固定字段，而不是放在旁路日志里，否则查询时需多次关联，容易漏字段。第二，字典与判定规则分离：字典管“码值含义”，规则引擎管“如何判定”，两者通过码值关联，规则调整时只改规则版本、不改码值。第三，人工标记留痕：任何人工修改标识码的操作，都要记录 operator_id、修改前后码值、修改理由与修改时刻，形成可审计的变更链。

常见问题有三类：一是“一码多义”，例如用同一个码同时表示停机和故障，导致统计口径无法拆分；二是“时间戳覆盖”，补传时用当前时刻替换采样时刻，使数据在时间轴上整体漂移；三是“来源丢失”，数据经多级转发后 source_tag 被重置为默认值，无法区分自动与人工。排查时可先抽查同一测点连续 24 小时记录，检查 flag_code 分布是否合理、三个时间戳是否单调、source_tag 是否与采集通道匹配，通常能快速定位设计缺陷。