移除ct参数

ML/nmWTAI-ML/scripts/compare_single_case.py

@@ -415,7 +415,7 @@ def predict_surrogate_curve(
     # 构建参数特征向量
     # 顺序必须与训练阶段保持一致
     params_vec = np.asarray(
-        [params.k, params.skin, params.wellboreC, params.phi, params.h, params.Ct, params.Cf],
+        [params.k, params.skin, params.wellboreC, params.phi, params.h, params.Cf],
         dtype=np.float32,
     ).reshape(1, -1)
     # 将流量制度 schedule 编码成模型输入向量

ML/nmWTAI-ML/scripts/score_pso_candidates.py

@@ -34,7 +34,7 @@ from src.data.params import Params, Schedule
 from src.evaluation.autofit_objective import dual_log_objective
 
 
-PARAM_COLUMNS = ["k", "skin", "wellboreC", "phi", "h", "Ct", "Cf"]
+PARAM_COLUMNS = ["k", "skin", "wellboreC", "phi", "h", "Cf"]
 
 
 def parse_args() -> argparse.Namespace:
@@ -44,7 +44,7 @@ def parse_args() -> argparse.Namespace:
         "--candidates",
         required=True,
         type=str,
-        help="候选粒子 CSV，包含 particle_id,k,skin,wellboreC,phi,h,Ct,Cf",
+        help="候选粒子 CSV，包含 particle_id,k,skin,wellboreC,phi,h,Cf",
     )
     parser.add_argument(
         "--trace-meta",
@@ -127,7 +127,7 @@ def params_from_row(row: dict) -> Params:
         wellboreC=to_float(row.get("wellboreC")),
         phi=to_float(row.get("phi")),
         h=to_float(row.get("h")),
-        Ct=to_float(row.get("Ct")),
+        Ct=0.0,
         Cf=to_float(row.get("Cf")),
     )
 

ML/nmWTAI-ML/scripts/validate_autofit_local_ranking.py

@@ -200,7 +200,7 @@ def predict_surrogate_curve(
     param_transform = param_feature_transform_from_meta(processed.get("meta", {}))
 
     params_vec = np.asarray(
-        [params.k, params.skin, params.wellboreC, params.phi, params.h, params.Ct, params.Cf],
+        [params.k, params.skin, params.wellboreC, params.phi, params.h, params.Cf],
         dtype=np.float32,
     ).reshape(1, -1)
     schedule_vec = build_schedule_vector(cfg, schedule).reshape(1, -1)

Src/nmNum/nmCalculation/nmCalculationAutoFitPSO.cpp

@@ -1277,7 +1277,7 @@ bool nmCalculationAutoFitPSO::writeSurrogateCandidateCsv(const QString& candidat
     //
     // 文件位置通常是 ML/nmWTAI-ML/data/temp/pso_screen_candidates_<run_id>_gen<N>.csv。
     // 字段顺序必须与 ML 脚本 score_pso_candidates*.py 保持一致：
-    // particle_id,k,skin,wellboreC,phi,h,Ct,Cf
+    // particle_id,k,skin,wellboreC,phi,h,Cf
     //
     // 这里写的是“完整参数体系”中的关键字段，不是粒子内部紧凑向量。
     // 例如用户没有勾选 Cf 时，Cf 会从当前 DataManager 取值写入 CSV。
@@ -1290,7 +1290,7 @@ bool nmCalculationAutoFitPSO::writeSurrogateCandidateCsv(const QString& candidat
 
     QTextStream out(&file);
     // 代理模型只需要这些输入字段；其它参数当前不在训练输入集中。
-    out << "particle_id,k,skin,wellboreC,phi,h,Ct,Cf\n";
+    out << "particle_id,k,skin,wellboreC,phi,h,Cf\n";
 
     for(int i = 0; i < m_swarm.size(); ++i) {
         QVector<double> params = buildTraceParameterVector(m_swarm[i].position);
@@ -1301,7 +1301,6 @@ bool nmCalculationAutoFitPSO::writeSurrogateCandidateCsv(const QString& candidat
              << traceParamAt(params, 2)
              << traceParamAt(params, 3)
              << traceParamAt(params, 5)
-             << traceParamAt(params, 6)
              << traceParamAt(params, 7);
         out << cols.join(",") << "\n";
     }
@@ -1899,10 +1898,10 @@ bool nmCalculationAutoFitPSO::isSurrogateRunContextSupported(QString* reason) co
         return false;
     }
 
-    // 参数 gate：代理输入目前只覆盖 k/skin/wellboreC/phi/h/Ct。
+    // 参数 gate：代理输入目前只覆盖 k/skin/wellboreC/phi/h，Cf 作为固定背景参数传入。
     // 用户勾选其它参数时，代理无法可靠反映这些参数变化，直接禁用代理筛选。
     QVector<int> allowedParamIndices;
-    allowedParamIndices << 0 << 1 << 2 << 3 << 5 << 6;
+    allowedParamIndices << 0 << 1 << 2 << 3 << 5;
 
     for(int i = 0; i < m_enabledParamIndices.size(); ++i) {
         if(!allowedParamIndices.contains(m_enabledParamIndices[i])) {

Src/nmNum/nmSubWxs/nmWxAutomaticFitting.cpp

@@ -1261,7 +1261,7 @@ void nmWxAutomaticFitting::updateBestParametersToTable()
 
 		// 确保某些参数不为负数
 		if (paramIndex == 0 || paramIndex == 2 || paramIndex == 3 || paramIndex == 5) {
-			newMin = qMax(newMin, 0.001);
+			newMin = qMax(newMin, 0.0);
 		}
 
 		// 确保最小范围，避免范围过小