本文按处理顺序说明 tidypptsda 的每一步用的是什么方法、方法出自哪里，以及每一步的结果保存在哪里。每个参数的具体含义和调整建议见《质控参数详解》，各种方法在自己数据上的准确性怎么检验见《方法验证》。
1. 总体流程
| 步骤 | 函数 | 做什么 | 方法来源 |
|---|---|---|---|
| 1 | prep_visits() |
统一 NEDAP / FIRE 的字段，识别转栏（可转回原站）、误读 | 本包 |
| 2 | clean_weight() |
体重范围 → 适应期 → 逐日回溯追踪 → rlm + LOESS 异常值检测 → 个体判定 | Jiao 等（2014）；Cleveland（1979）；追踪为本包方法 |
| 3 | calc_adg() |
生长曲线确定区间起止 → 补齐区间内每天的体重 → 回归斜率即 ADG | 补齐方法与国家测定规程一致 |
| 4 | flag_feed_errors() |
每次访问按 16 条规则判断采食错误 | Casey 等（2005） |
| 5 | calc_adfi() |
混合模型校正日采食 → 补齐区间内每天的采食 → ADFI | Jiao 等（2014）；补齐方法与国家测定规程一致 |
| 6 | calc_fcr() |
FCR = ADFI ÷ ADG，可信度标记，10 kg 分段检查 | 本包 |
run_pipeline() 按这个顺序一次跑完。所有步骤用同一个
stage_range（默认 30–120 kg），所以 ADG、ADFI 和 FCR
都是在同一段体重、同一批日子上算的。
2. 体重异常检测：clean_weight()
按下面的顺序处理，每条记录被剔除的原因写在
records$qc_flag 中。
-
体重范围：单条体重不在
weight_range（15–150 kg）内的剔除（"weight_range"）。 -
进站适应期：首次访问后
adapt_days（7）天内的体重不用（"adaptation"）。进站初期猪还不熟悉测定站，又常有几头小猪同时上秤。 -
逐日回溯追踪（
weight_track，本包方法）：测定站只有猪四条腿都站上秤才称重，读数偏轻的情况很少；偏重的读数则来自几头小猪同时上秤，测定后期猪大了，秤上只容得下一头，读数最可靠。所以从测定末期出发，按日增重逐日往前推，只保留与推算体重相差不超过 8%（至少 2 kg）的读数（"track"）。 -
rlm（Jiao 等
2014）：对剩下的记录，每头猪拟合二次稳健回归（
MASS::rlm，bisquare 权重），权重 < 0.5 的记录为异常（"rlm"）。 -
LOESS（Cleveland 1979
的稳健局部加权回归）：每头猪拟合稳健 LOESS 平滑曲线，偏离曲线超过 3
倍稳健标准差（MAD）的记录为异常（
"loess"）。LOESS 能贴住生长中途的停滞和起伏，弥补二次曲线的不足。 - 可选的 STL（Cleveland 等 1990，日中位体重的趋势 +
周期分解）和 SD（二次最小二乘，3 倍标准差）可以加进
weight_outlier。
默认 4、5
两种方法任一判为异常即为异常（outlier_combine = "any"）。
个体判定用的是剔除异常值之后的有效记录：
| 规则 | 默认 | 不满足时 |
|---|---|---|
| 有效记录数 | ≥ 20 条 | 剔除 |
| 测定期 | ≥ 35 天 | 剔除 |
| 缺失率（测定期内没有有效体重的天数占比） | ≤ 30% | 剔除 |
| 进站体重 | ≤ 65 kg | 降级 |
| 出栏体重 | ≥ 85 kg | 降级 |
| 追踪剔除的记录 | ≤ 40% | 降级（可能是称重异常，如体重传感器故障） |
| 有效体重对 LOESS 平滑曲线的 R² | ≥ 0.99 | 降级 |
进站、出栏体重取 LOESS
平滑曲线在首末记录处的值。降级的猪照常计算，只在结果中标为
low_confidence。
v <- prep_visits(nedap, verbose = 0)
w <- clean_weight(v, verbose = 0)
w$records[, .N, by = qc_flag][order(-N)]
#> qc_flag N
#> <char> <int>
#> 1: 25805
#> 2: adaptation 3404
#> 3: track 1543
#> 4: rlm;loess 328
#> 5: rlm 310
#> 6: loess 823. 体重填充与日增重：calc_adg()
-
生长曲线（
curve_model，默认二次曲线poly2，可选poly1、poly3、gompertz）拟合每头猪的有效记录。在首条记录之前，默认从曲线在首条记录处的值出发直线外推，斜率取首 14 天记录的稳健回归斜率（限制在 0.2–1.5 kg/d），避免多项式外推几周后弯折；末条记录之后沿曲线本身外推（curve_extrap = "start"）。"tangent"两端都用直线，"curve"两端都用曲线。曲线第一次到达区间上限的时间为区间终点；终点之前、曲线最后一次从下方越过区间下限的时间为起点。 -
补齐区间内每一天的体重：
- 有有效体重的日子：当天的中位数（
source = "observed"）； - 两个有记录的日子之间缺失的日子：前后两天线性插值（
"interpolated"）； - 首个有记录日之前、末个有记录日之后的日子（晚进站、早出栏）：生长曲线的值（
"curve"）。
- 有有效体重的日子：当天的中位数（
-
日增重 = 区间内全部日体重（实测 +
填充）对日期直线回归的斜率（g/d），可靠性看
r_squared。
a <- calc_adg(w, verbose = 0)
a$per_pig[1:5, .(responder, adg = round(adg), r_squared = round(r_squared, 4),
n_observed_days, n_interpolated_days, n_curve_days)]
#> responder adg r_squared n_observed_days n_interpolated_days n_curve_days
#> <char> <num> <num> <int> <int> <int>
#> 1: 13913 1210 0.9963 76 0 0
#> 2: 13918 1163 0.9989 80 0 0
#> 3: 13954 1124 0.9981 69 8 3
#> 4: 13996 1335 0.9968 70 0 0
#> 5: 14962 1279 0.9973 72 0 0plot_adg()
的图中，三种来源的日体重用不同颜色的点表示，绿色曲线是生长曲线，黑色虚线是回归线，它的斜率就是
ADG：
4.
采食错误与校正：flag_feed_errors()、calc_adfi()
- 采食错误：每次访问按 Casey 等（2005）表 3 的 16 条规则判断（单次采食量、停留时间、采食速度、相邻访问的料槽重差等）。
-
校正：按 Jiao 等（2014），用全部猪日拟合混合模型
无错误日采食 ~ 站 + 品种 + 体重 + ADG + 31 个错误协变量 + (1|猪)，校正值 = 无错误日采食 − Σ(系数 × 错误协变量)。没有错误的日子保持原值。模型中的体重是上一步补齐后的日体重。 -
范围检查：校正后日采食 < 0 或超出
dfi_range（0–6 kg）的日子视为缺失。
5. 采食填充与日采食：calc_adfi()
区间内没有可用采食的日子，默认（impute_method = "loess_pop"）这样补齐：
| 缺失位置 | 填充方法 | 日子状态 |
|---|---|---|
| 两个有记录的日子之间，连续缺失 ≤ 3 天 | 稳健 LOESS 平滑插补（日采食对日期） | iii |
| 两个有记录的日子之间，连续缺失 > 3 天 | 群体曲线 × 个体比例 | iii |
| 首个有记录日之前（晚进站） | 群体曲线 × 个体比例 | elrp |
| 末个有记录日之后（早出栏） | 这头猪自己的线性回归 日采食 ~ 体重
|
elrp |
群体曲线 ×
个体比例：日采食 = r × f(体重)。
-
f是全部猪区间内有记录日子的二次回归日采食 ~ 体重 + 体重²。数据中有breed列时，猪数不少于 10 头的品种各拟合一条，其余的猪用全群曲线。超出拟合时体重范围的体重，f取范围端点的值，不再外推。 -
r是这头猪的采食水平：它有记录日子的采食之和 ÷ 同样日子上f之和，再按记录天数n向 1 收缩（权重n / (n + 10)），记录少的猪不会被几天数据带偏。 - 一头猪的数据很少覆盖整个区间。只用它自己的数据拟合”日采食 ~ 体重”直线，在有数据的那一段可能很平或很陡，往外推就会出错：晚进站的猪，30 kg 时会被填上 60 kg 时的采食量。群体曲线提供采食随体重变化的形状，个体比例保留这头猪自己的水平。
- 末个有记录日之后改用这头猪自己的回归：早出栏的猪，末期采食的上升趋势已经在它自己的数据里；群体二次曲线在高体重段变平，会低估它的末期采食，让它显得更省料。
- 在一个 457 头猪的 NEDAP
批次上做无泄露检验（删掉一部分猪若干天的全部访问后重跑整个流程，见《方法验证》）：开头缺 20 天时，个体 ADFI
误差从 7.5%（单猪回归）降到 4.9%（群体曲线，加开头切线外推）；结尾缺
20–30 天时，群体曲线平均每天低估 43–129
g，单猪回归基本无偏，所以末端用单猪回归。按单个测定站拟合曲线的结果与全群相近、略差，所以默认用全群。曲线系数保存在
adfi$pop_curve中。各位置的方法和参数见《填充方法》。
回归中的体重是补齐后的日体重。可选的方法：impute_method = "loess_lm"
时，长缺失和两端用每头猪自己的线性回归 日采食 ~ 体重（1.3.0
之前的默认方法，与国家测定规程中日采食缺失的处理方法相同）；"linear"
时，中间一律线性插值，两端用每头猪自己的回归。
ADFI = 区间内全部日子（实测、校正、填充）日采食量的平均值。
6. 料肉比：calc_fcr()
FCR = ADFI ÷
ADG，两者都在同一个区间、同一批日子上计算。下面的情况把
fcr_flag 标为 low_confidence，原因写在
fcr_note 中：
- 区间开头或结尾，体重由生长曲线填充、或采食由回归填充超过 15
天（
max_edge_extrap_days）； - 区间内有实测采食的天数不足 70%（
min_coverage）； - 中间某个 10 kg 段的实测体重覆盖不足 6
kg（
min_bin_coverage_kg）； - 可选：分段料肉比超出
bin_fcr_limits； - ADG 只覆盖了区间的一部分，或体重数据已被
clean_weight()降级。
f <- calc_adfi(v, a, verbose = 0)
r <- calc_fcr(a, f, verbose = 0)
r$per_pig[1:5, .(responder, adg = round(adg), adfi = round(adfi), fcr = round(fcr, 2), fcr_flag)]
#> responder adg adfi fcr fcr_flag
#> <char> <num> <num> <num> <char>
#> 1: 13913 1210 2643 2.18 ok
#> 2: 13918 1163 2566 2.21 ok
#> 3: 13954 1124 2681 2.39 low_confidence
#> 4: 13996 1335 2860 2.14 ok
#> 5: 14962 1279 2831 2.21 ok7. 方法的选择和检验
默认方法之外，各步都有可选的方法：
| 步骤 | 默认 | 可选 | 怎么检验 |
|---|---|---|---|
| 体重异常检测 | 追踪 + rlm + LOESS | STL、SD，或去掉追踪 | validate_outliers() |
| 区间两端的体重 | 二次曲线；首个记录之前切线外推 | 直线、三次曲线、Gompertz；两端都切线（"tangent"）或都沿曲线（"curve"） |
validate_truncation()、validate_adg()
|
| 区间中间的体重 | 线性插值 | 改用生长曲线（只在验证中比较） | validate_weight_fill() |
| 采食填充 | LOESS（≤ 3 天）+ 群体曲线 × 个体比例（末端单猪回归） | LOESS + 单猪体重回归（loess_lm）、线性插值 +
单猪回归（linear） |
validate_truncation()、validate_adfi()
|
建议每个新的测定站或新的批次先做一次验证，确定之后同一个育种群体固定使用同一套设置，否则年度之间的差异可能来自方法而不是猪。
参考文献
- Casey, D. S., Stern, H. S., & Dekkers, J. C. M. (2005). Identification of errors and factors associated with errors in data from electronic swine feeders. Journal of Animal Science, 83, 969-982.
- Cleveland, W. S. (1979). Robust locally weighted regression and smoothing scatterplots. Journal of the American Statistical Association, 74, 829-836.
- Cleveland, R. B., Cleveland, W. S., McRae, J. E., & Terpenning, I. (1990). STL: A seasonal-trend decomposition procedure based on loess. Journal of Official Statistics, 6, 3-73.
- Jiao, S., Maltecca, C., Gray, K. A., & Cassady, J. P. (2014). Feed intake, average daily gain, feed efficiency, and real-time ultrasound traits in Duroc pigs: I. Journal of Animal Science, 92, 2377-2386.