DataGeneratorConfig kontroluje kroki czasowe, trendy, anomalie i normalizację, a generate_and_save zapisuje wynikowe ramki danych na dysk.【F:src/smartbuildsim/data/generator.py†L23-L204】【F:src/smartbuildsim/data/generator.py†L374-L401】DeterminismConfig i configure_determinism zapewniają spójne ziarna dla wszystkich modułów, natomiast load_yaml i apply_overrides wczytują pliki YAML oraz nadpisania przekazane z CLI.【F:src/smartbuildsim/config/determinism.py†L13-L128】【F:src/smartbuildsim/utils/helpers.py†L27-L71】train_forecasting_model, detect_anomalies, cluster_zones i train_policy wykorzystują dane wejściowe i konfiguracje Pydantic do uczenia prognoz, detekcji anomalii, klastrowania oraz sterowania RL.【F:src/smartbuildsim/models/forecasting.py†L21-L137】【F:src/smartbuildsim/models/anomaly.py†L16-L64】【F:src/smartbuildsim/models/clustering.py†L13-L76】【F:src/smartbuildsim/models/rl.py†L13-L123】smartbuildsim.cli.app) integruje ładowanie scenariuszy, deterministykę, generowanie danych oraz modele; ten sam przepływ jest dostępny z poziomu Pythona przez examples/scripts/run_example.py.【F:src/smartbuildsim/cli/app.py†L1-L210】【F:examples/scripts/run_example.py†L1-L68】ensure_directory, save_dataset, persist_model oraz funkcjom wizualizacji zapisującym pliki graficzne.【F:src/smartbuildsim/utils/helpers.py†L20-L44】【F:src/smartbuildsim/data/generator.py†L364-L386】【F:src/smartbuildsim/models/forecasting.py†L114-L128】【F:src/smartbuildsim/viz/plots.py†L24-L67】flowchart LR
subgraph Konfiguracja
YAML[YAML + overrides]
Determinism[DeterminismConfig]
end
CLI[CLI Typer<br/>`smartbuildsim.cli`]:::cli
Scenario[Scenariusze<br/>`scenarios.presets`]:::config
BIM[BIM schema<br/>`bim.schema`]:::config
Generator[Generator danych<br/>`data.generator`]:::data
Dataset[(Dataset CSV/Pandas)]:::data
Features[Feature engineering<br/>`features.engineering`]:::features
Models:::models
Viz[Wizualizacje<br/>`viz.plots`]:::viz
Storage[(Katalog outputs<br/>artefakty .csv/.joblib/.png)]:::storage
YAML --> CLI
Determinism --> CLI
CLI --> Scenario
Scenario --> BIM
CLI --> BIM
BIM --> Generator
CLI --> Generator
Generator --> Dataset
Dataset --> Storage
Dataset --> Features
Features --> Models
Models --> Storage
Models --> Viz
Viz --> Storage
CLI --> Storage
classDef cli fill:#f2f0ff,stroke:#4c3bcf;
classDef config fill:#e6f4ff,stroke:#1a73e8;
classDef data fill:#e8f5e9,stroke:#0b8043;
classDef features fill:#fff3e0,stroke:#fb8c00;
classDef models fill:#fdecef,stroke:#c2185b;
classDef viz fill:#f3e5f5,stroke:#8e24aa;
classDef storage fill:#eceff1,stroke:#546e7a;
--override), które są łączone i wczytywane wraz z ustawieniami deterministycznymi, aby każdy komponent otrzymał stabilne nasiona losowe.【F:src/smartbuildsim/cli/app.py†L39-L110】【F:src/smartbuildsim/utils/helpers.py†L27-L71】【F:src/smartbuildsim/config/determinism.py†L13-L128】Scenario) lub schemat BIM z dysku, a następnie udostępnić je generatorowi danych i modułom modeli w spójnej strukturze.【F:src/smartbuildsim/cli/app.py†L98-L158】【F:src/smartbuildsim/scenarios/presets.py†L15-L175】generate_and_save tworzy deterministyczny zbiór danych w oparciu o opis budynku, konfigurację generatora i parametry anomalii, zapisując wynik do CSV oraz metadane normalizacji w atrybutach ramki.【F:src/smartbuildsim/data/generator.py†L23-L337】【F:src/smartbuildsim/data/generator.py†L374-L401】features.engineering przygotowuje sygnały pochodne (średnie kroczące, odchylenia, pochodne) oraz macierze nadzorowane dla modeli prognozujących.【F:src/smartbuildsim/features/engineering.py†L11-L53】persist_model, plot_time_series czy zapis CSV w przykładzie API dostarczają gotowe raporty i wizualizacje do dalszej analizy.【F:src/smartbuildsim/models/forecasting.py†L114-L128】【F:src/smartbuildsim/viz/plots.py†L24-L67】【F:examples/scripts/run_example.py†L21-L65】Diagram odzwierciedla pełny przepływ danych oraz punkty, w których można wstrzykiwać własne konfiguracje lub zastępować komponenty (np. niestandardowy storage albo moduły modeli), zachowując deterministyczność całego procesu.