为何贡献分析结果之和与lca.score不匹配？技术咨询

我正在开展生命周期影响评价（LCIA），希望找出对结果贡献最大的过程/活动，因此运行了贡献分析（代码如下）。为交叉验证贡献分析结果的准确性，我尝试将返回的贡献值之和与影响评价结果（lca.score）进行对比。根据ca.annotated_top_processes(lca)的文档说明，该方法返回元组列表：(lca score, supply, activity)。我原本认为lca.score应等于该方法返回的所有元组第一个值的总和，但实际情况并非如此。请问我忽略了什么？是否存在截断机制，或是我的理解有误？

import bw2analyzer as bwa

random_act = db_ei381.random()

lca = bw2data.LCA(
    {random_act: 1},
    ('ReCiPe Midpoint (H) V1.13', 'water depletion', 'WDP')
    )

lca.lci()
lca.lcia()

print(lca.score)

# Contribution analysis
ca = bwa.ContributionAnalysis()

contributions = ca.annotated_top_processes(lca)

print(sum([i[0] for i in contributions]))

原因分析与解决方案 #

• 默认截断机制：annotated_top_processes方法默认仅返回贡献最大的前10个过程（可通过limit参数自定义数量）。未被包含的低贡献过程（包括正/负贡献）会导致求和结果与总得分lca.score存在偏差。
• 负贡献的遗漏：部分过程可能产生负贡献（抵消整体影响），如果这些过程未被纳入返回的top列表，求和时会遗漏这部分抵消值，进一步拉大与总得分的差距。
• 文档理解偏差：方法返回的是单个过程对总得分的贡献值，但默认仅输出top N个，而非全部过程。若要获取完整贡献列表，可通过两种方式：

验证代码示例 #

# 方式1：获取所有过程的完整贡献
all_contributions = ca.all_process_contributions(lca)
print(sum([i[0] for i in all_contributions]))  # 总和应与lca.score基本一致

# 方式2：调整annotated_top_processes的limit参数为足够大的值
full_contributions = ca.annotated_top_processes(lca, limit=len(lca.activity_dict))
print(sum([i[0] for i in full_contributions]))

内容的提问来源于stack exchange，提问作者Stücke