#' @title Validatie van het basismodel
#'
#' @description
#' Functie die alle nodige validaties uitvoert op het opgegeven (volledige)
#' model en een overzicht geeft van de afwijkende metingen en slechte curves
#' (zodat de gebruiker deze kan valideren).
#'
#' De functie roept meerdere hulpfuncties op:
#'
#' - `rmse.basis()`
#'
#' - `afwijkendeMetingen()`
#'
#' - `afwijkendeCurves()`
#'
#' - `validatierapport()`
#'
#' Voorafgaand aan het uitvoeren van deze laatste functie worden eerst de
#' slechtste modellen opgelijst (op basis van RMSE, afwijkende metingen en
#' afwijkende curves).
#'
#'
#' @param Basismodel Model per boomsoort zoals teruggegeven door de functie
#' `fit.basis()`: tibble met de velden `BMS` (boomsoort) en `Model`
#' (`lme`-object met het gefit mixed model voor die boomsoort).
#' @param ExtraCurvesRapport Optie om een lijst met extra
#' boomsoort-domeincombinaties op te geven waardoor de curve getoond moet worden
#' in het validatierapport.
#' Deze moeten opgegeven worden als een dataframe met velden `DOMEIN_ID` en
#' `BMS`, met benamingen die overeenkomen met deze in de opgegeven dataset.
#' @param GoedgekeurdeAfwijkendeCurves Optie om goedgekeurde afwijkende curves
#' niet meer te tonen in het validatierapport zolang er geen extra metingen
#' toegevoegd zijn voor de boomsoort-domeincombinatie (om als gebruiker enkel de
#' te keuren curves in het rapport over te houden). De goedgekeurde en dus te
#' negeren curves moeten opgegeven worden in een dataframe met velden
#' `DOMEIN_ID`, `BMS` en `nBomenTerugTonen`, met `nBomenTerugTonen` het aantal
#' bomen (`nBomenInterval`) in de boomsoort-domeincombinatie vanaf wanneer de
#' curve terug getoond moet worden. (In dit geval wordt de curve uiteraard enkel
#' terug getoond als ze nog steeds afwijkend is.)
#'
#' @inheritParams afwijkendeMetingen
#' @inheritParams validatierapport
#' @inheritParams initiatie
#'
#' @return
#'
#' De functie genereert een validatierapport (`.html`-bestand) in de working
#' directory met informatie en grafieken van de te controleren modellen. De
#' afwijkende metingen en curvedelen zijn in rood aangeduid; boven de curve is
#' het probleem ook woordelijk beschreven (zie `?validatierapport` of vignet
#' voor meer informatie).
#'
#' De functie geeft een dataframe terug met de te controleren metingen, met
#' behalve de informatie uit de databank een aantal berekende waarden:
#' - `H_D_finaal`: een geschatte hoogte voor de omtrekklasse volgens het
#' domeinmodel (dus specifiek voor de boomsoort-domeincombinatie)
#' - `H_VL_finaal`: een geschatte hoogte voor de omtrek volgens het Vlaams
#' model (dus voor het overkoepelend boomsoort-model)
#' - `rmseD`: de foutenschatting voor het domeinmodel
#' - `HogeRmse`: `TRUE` als het domeinmodel een hoge RMSE heeft, anders
#' `NA`
#'
#' @export
#'
#' @importFrom dplyr %>% filter select mutate distinct group_by
#' summarise ungroup bind_rows do rowwise anti_join left_join transmute
#' @importFrom plyr .
#' @importFrom rlang .data
#' @importFrom assertthat assert_that has_name is.count
#'
validatie.basis <-
function(Basismodel, AantalDomHogeRMSE = 20, ExtraCurvesRapport = NULL,
GoedgekeurdeAfwijkendeCurves = NULL,
Bestandsnaam = "Default", TypeRapport = "Dynamisch", PathWD = getwd()
) {
invoercontrole(Basismodel, "basismodel")
Rmse <- Basismodel %>%
rowwise() %>%
do(
rmse.basis(.$Model$data, "Basis", .$BMS)
) %>%
ungroup()
Hoogteschatting <- Basismodel %>%
rowwise() %>%
do(
hoogteschatting.basis(.$Model, .$Model$data, "Basis", .$BMS)
) %>%
ungroup()
Dataset <- Hoogteschatting %>%
left_join(
Rmse %>%
select("BMS", "DOMEIN_ID", "rmseD", "maxResid"),
by = c("BMS", "DOMEIN_ID")
)
AfwijkendeMetingen <- afwijkendeMetingen(Dataset, AantalDomHogeRMSE)
#afwijkende curves
AfwijkendeCurves <- afwijkendeCurves(Basismodel)
if (!is.null(ExtraCurvesRapport)) {
assert_that(has_name(ExtraCurvesRapport, "DOMEIN_ID"))
assert_that(has_name(ExtraCurvesRapport, "BMS"))
ZonderJoin <- ExtraCurvesRapport %>%
anti_join(Dataset, by = c("DOMEIN_ID", "BMS"))
if (nrow(ZonderJoin) > 0) {
warning(
"Niet elk opgegeven record in ExtraCurvesRapport heeft een basismodel"
)
}
} else {
ExtraCurvesRapport <-
data.frame(DOMEIN_ID = character(0), BMS = character(0))
}
if (!is.null(GoedgekeurdeAfwijkendeCurves)) {
assert_that(has_name(GoedgekeurdeAfwijkendeCurves, "DOMEIN_ID"))
assert_that(has_name(GoedgekeurdeAfwijkendeCurves, "BMS"))
assert_that(has_name(GoedgekeurdeAfwijkendeCurves, "nBomenTerugTonen"))
assert_that(
inherits(
GoedgekeurdeAfwijkendeCurves$nBomenTerugTonen, c("integer", "numeric")),
msg = "Elke waarde van nBomenTerugTonen in de dataframe GoedgekeurdeAfwijkendeCurves moet een getal zijn" #nolint: line_length_linter
)
if (inherits(GoedgekeurdeAfwijkendeCurves$nBomenTerugTonen, "numeric")) {
assert_that(
max(
abs(
GoedgekeurdeAfwijkendeCurves$nBomenTerugTonen -
as.integer(GoedgekeurdeAfwijkendeCurves$nBomenTerugTonen)
),
na.rm = TRUE
) < 1e-6
, msg = "Elke waarde van nBomenTerugTonen in de dataframe GoedgekeurdeAfwijkendeCurves moet een geheel getal zijn" #nolint: line_length_linter
)
GoedgekeurdeAfwijkendeCurves$nBomenTerugTonen <-
as.integer(GoedgekeurdeAfwijkendeCurves$nBomenTerugTonen)
}
ZonderJoin <- GoedgekeurdeAfwijkendeCurves %>%
anti_join(AfwijkendeCurves, by = c("DOMEIN_ID", "BMS"))
if (nrow(ZonderJoin) > 0) {
warning("Niet elk opgegeven record in GoedgekeurdeAfwijkendeCurves heeft een afwijkende curve") #nolint: line_length_linter
}
AfwijkendeCurvesNegeren <- GoedgekeurdeAfwijkendeCurves %>%
left_join(
Dataset %>%
select("DOMEIN_ID", "BMS", "nBomenInterval") %>%
distinct(),
by = c("DOMEIN_ID", "BMS")
) %>%
filter(
.data$nBomenInterval < .data$nBomenTerugTonen
)
} else {
AfwijkendeCurvesNegeren <-
data.frame(DOMEIN_ID = character(0), BMS = character(0))
}
SlechtsteModellen <- AfwijkendeMetingen %>%
filter(.data$HogeRmse & .data$Status != "Goedgekeurd") %>%
select("DOMEIN_ID", "BMS") %>%
distinct() %>%
mutate(
Reden = "hoge RMSE"
) %>%
bind_rows(
AfwijkendeCurves %>%
anti_join(
AfwijkendeCurvesNegeren,
by = c("DOMEIN_ID", "BMS")
)
) %>%
bind_rows(
AfwijkendeMetingen %>%
filter(
.data$Status != "Goedgekeurd"
) %>%
select(
"BMS", "DOMEIN_ID"
) %>%
distinct() %>%
mutate(
Reden = "afwijkende metingen"
)
) %>%
bind_rows(
ExtraCurvesRapport %>%
transmute(
.data$DOMEIN_ID,
.data$BMS,
Reden = "opgegeven als extra curve"
)
) %>%
mutate(
Omtrek_Buigpunt.d =
ifelse(is.na(.data$Omtrek_Buigpunt.d), "", .data$Omtrek_Buigpunt.d),
Omtrek_Extr_Hoogte.d =
ifelse(
is.na(.data$Omtrek_Extr_Hoogte.d), "", .data$Omtrek_Extr_Hoogte.d)
) %>%
group_by(
.data$BMS, .data$DOMEIN_ID
) %>%
summarise(
Reden = paste(.data$Reden, collapse = ", "),
Omtrek_Buigpunt =
as.numeric(paste(.data$Omtrek_Buigpunt.d, collapse = "")),
Omtrek_Extr_Hoogte =
as.numeric(paste(.data$Omtrek_Extr_Hoogte.d, collapse = ""))
) %>%
ungroup()
Bestandsnaam <- ifelse(Bestandsnaam == "Default",
"Validatie_Basis.html",
Bestandsnaam)
validatierapport(SlechtsteModellen, AfwijkendeMetingen, Dataset,
Bestandsnaam, TypeRapport, PathWD = PathWD)
return(AfwijkendeMetingen)
}
Add the following code to your website.
For more information on customizing the embed code, read Embedding Snippets.