数据模型

版本和文件

本项目携带 Zenodo 记录 10.5281/zenodo.12723700 的固定 v3 目录。每个飞行架次记录其数据集、日期、标准 HDF5 文件名、字节大小、MD5 校验和、采样间隔、飞行备注以及上游 readme 链接。

HDF5 文件会按需下载到 Dataset.data_dir。使用前会检查已有文件的大小、MD5 校验和以及 HDF5 可读性。损坏的本地文件会抛出 DataIntegrityError，不会被静默使用。

选择条件

Selection 是不可变的，并且始终限定在单个飞行架次内：

Selection(flight=2017, lines=["2005.20", "2005.21"])
Selection(flight=1002, tt=slice(45100, 45200))
Selection(flight=1002, time=slice("2020-06-20T12:31:40Z", "2020-06-20T12:32:00Z"))

航线字符串会规范化为两位小数。通配符、范围和数值浮点数会被拒绝，以避免查询意外跨越飞行架次边界。time 和 tt 不能同时使用，两者都采用左闭右开范围。

目录会将分段序号与航线标签分开保存。一条航线可以在同一飞行架次内重复，一个航线标签也可能指向不同的测量飞行，因此 readme 中记录的飞行文件和时间区间仍然是权威信息。

输出模式

规范化输出以以下身份列为前缀：

列	含义
flight	文件/飞行架次标识符
line	保留两位小数的规范化航线标签
year	UTC 日历年份
doy	UTC 年内日序
tt	午夜以来的原生秒数
time	根据身份信息和 tt 推导的 UTC 时间戳

raw=True 只返回请求的一维源数据集。N、dt 和 info 等标量元数据不会作为样本数据提供。

split 参数控制目录分段如何暴露：

split	行为
"train"	默认值。排除标记为 holdout 的区间。
"holdout"	只返回标记为 holdout 的区间。
"all"	不应用目录中的分集掩码。

这样可以让默认训练数据路径排除 holdout，同时允许评估工作流显式请求这些区间。读取前请使用 Dataset.segments() 查看文档记录的覆盖范围。

2020 年和 2021 年的数据集字段并不完全相同。默认情况下，显式请求的字段缺失会快速失败；missing="fill" 会为选中文件中不存在的字段创建 NaN。columns="all" 会在文件打开后使用实际样本字段的并集，因此在 schema 差异是有意情况时，多飞行架次读取仍可以配合 missing="fill" 使用。

字段元数据和分组

Dataset.fields() 暴露原始字段名、单位、描述、数据集、字段备注和上游来源 URL。Dataset.field_groups() 增加了 navigation、scalar_magnetometer、fluxgate、ins、current 和 voltage 等稳定的便利分组；Dataset.field_names() 返回某个分组中的原始 HDF5 字段名。这些分组只用于发现字段，不取代上游字段定义。

Dataset.sensors() 暴露相对于前排座椅导轨记录的磁力计和通量门传感器位置。目录中的每一行都链接到对应的上游字段说明。完整的数据语义仍应参考固定 revision 的 MagNav.jl readmes，包括 2020 年字段定义 和 2021 年字段定义。

Dataset.fetch() 是访问原始数据的出口：它会下载并校验指定的 HDF5 文件，然后返回本地路径。本项目不会复制 HDF5 文件，也不会把完整的上游说明手工摊平成第二套 schema。