PriceForecast/config_juxiting.py

import logging
import os
import logging.handlers
import datetime
from lib.tools import MySQLDB,SQLiteHandler


# eta 接口token
APPID = "XNLDvxZHHugj7wJ7"
SECRET = "iSeU4s6cKKBVbt94htVY1p0sqUMqb2xa"

# eta 接口url
sourcelisturl = 'http://10.189.2.78:8108/v1/edb/source/list'  
classifylisturl = 'http://10.189.2.78:8108/v1/edb/classify/list?ClassifyType='
uniquecodedataurl = 'http://10.189.2.78:8108/v1/edb/data?UniqueCode=4991c37becba464609b409909fe4d992&StartDate=2024-02-01'
classifyidlisturl = 'http://10.189.2.78:8108/v1/edb/list?ClassifyId='
edbcodedataurl = 'http://10.189.2.78:8108/v1/edb/data?EdbCode='
edbdatapushurl = 'http://10.189.2.78:8108/v1/edb/push' 
edbdeleteurl = 'http://10.189.2.78:8108/v1/edb/business/edb/del'  
edbbusinessurl = 'http://10.189.2.78:8108/v1/edb/business/data/del'  
edbcodelist = ['ID01385938','lmcads03 lme comdty',
'GC1 COMB Comdty',
'C2404171822',
'dxy curncy',
'S5443199 ',
'S5479800',
'S5443108',
'H7358586',
'LC3FM1 INDEX',
'CNY REGN Curncy',
's0105897',
'M0067419',
'M0066351',
'S0266372',
'S0266438',
'S0266506',
'ID01384463']

# 临时写死用指定的列,与上面的edbcode对应，后面更改
edbnamelist = [
    'ds','y',
    'LME铜价',
    '黄金连1合约',
    'Brent-WTI',
    '美元指数',
    '甲醇鲁南价格',
    '甲醇太仓港口价格',
    '山东丙烯主流价',
    '丙烷（山东）',
    'FEI丙烷 M1',
    '在岸人民币汇率',
    '南华工业品指数',
    'PVC期货主力',
    'PE期货收盘价',
'PP连续-1月',
'PP连续-5月',
'PP连续-9月',
'PP：拉丝：L5E89：出厂价：华北（第二区域）：内蒙古久泰新材料（日）'
    ]

edbcodenamedict = {
'ID01385938':'PP：拉丝：1102K：市场价：青州：国家能源宁煤（日）',
'ID01384463':'PP：拉丝：L5E89：出厂价：华北（第二区域）：内蒙古久泰新材料（日）',
'lmcads03 lme comdty':'LME铜价',
'GC1 COMB Comdty':'黄金连1合约',
'C2404171822':'Brent-WTI',
'dxy curncy':'美元指数',
'S5443199 ':'甲醇鲁南价格',
'S5479800':'甲醇太仓港口价格',
'S5443108':'山东丙烯主流价',
'H7358586':'丙烷（山东）',
'LC3FM1 INDEX':'FEI丙烷 M1',
'CNY REGN Curncy':'在岸人民币汇率',
's0105897':'南华工业品指数',
'M0067419':'PVC期货主力',
'M0066351':'PE期货收盘价',
'S0266372':'PP连续-1月',
'S0266438':'PP连续-5月',
'S0266506':'PP连续-9月',

}

# eta自有数据指标编码
modelsindex = {
        'NHITS': 'SELF0000077',
        'Informer':'SELF0000078',
        'LSTM':'SELF0000079',
        'iTransformer':'SELF0000080',
        'TSMixer':'SELF0000081',
        'TSMixerx':'SELF0000082',
        'PatchTST':'SELF0000083',
        'RNN':'SELF0000084',
        'GRU':'SELF0000085',
        'TCN':'SELF0000086',
        'BiTCN':'SELF0000087',
        'DilatedRNN':'SELF0000088',
        'MLP':'SELF0000089',
        'DLinear':'SELF0000090',
        'NLinear':'SELF0000091',
        'TFT':'SELF0000092',
        'FEDformer':'SELF0000093',
        'StemGNN':'SELF0000094',
        'MLPMultivariate':'SELF0000095',
        'TiDE':'SELF0000096',
        'DeepNPTS':'SELF0000097'
    }



# eta 上传预测结果的请求体，后面发起请求的时候更改 model datalist  数据
data = {
            "IndexCode": "",
            "IndexName": "价格预测模型",
            "Unit": "无",
            "Frequency": "日度",
            "SourceName": f"价格预测",
            "Remark": 'ddd',
            "DataList": [
                {
                    "Date": "2024-05-02",
                    "Value": 333444
                }
            ]
        }

# eta 分类
# level：3才可以获取到数据，所以需要人工把能源化工下所有的level3级都找到
        # url = 'http://10.189.2.78:8108/v1/edb/list?ClassifyId=1214'
        #ParentId ":1160, 能源化工
        # ClassifyId ":1214,原油
        #ParentId ":1214,"，就是原油下所有的数据。
ClassifyId = 1161  



###############################################################################################################  变量定义--测试环境
server_host = '192.168.100.53'

login_pushreport_url = f"http://{server_host}:8080/jingbo-dev/api/server/login"
upload_url = f"http://{server_host}:8080/jingbo-dev/api/analysis/reportInfo/researchUploadReportSave"
upload_warning_url = f"http://{server_host}:8080/jingbo-dev/api/basicBuiness/crudeOilWarning/save"
query_data_list_item_nos_url = f"http://{server_host}:8080/jingbo-dev/api/warehouse/dwDataItem/queryDataListItemNos"

login_data = {
    "data": {
        "account": "api_test",
        # "password": "MmVmNzNlOWI0MmY0ZDdjZGUwNzE3ZjFiMDJiZDZjZWU=", # Shihua@123456
        "password": "ZTEwYWRjMzk0OWJhNTlhYmJlNTZlMDU3ZjIwZjg4M2U=", # 123456
        "tenantHashCode": "8a4577dbd919675758d57999a1e891fe",
        "terminal": "API"
    },
    "funcModule": "API",
    "funcOperation": "获取token"
}

upload_data = {
    "funcModule":'研究报告信息',
    "funcOperation":'上传原油价格预测报告',
    "data":{
        "ownerAccount":'arui', #报告所属用户账号
        "reportType":'OIL_PRICE_FORECAST', # 报告类型，固定为OIL_PRICE_FORECAST
        "fileName": '2000-40-5-50--100-原油指标数据.xlsx-Brent活跃合约--2024-09-06-15-01-29-预测报告.pdf', #文件名称 
        "fileBase64": '' ,#文件内容base64
        "categoryNo":'yyjgycbg', # 研究报告分类编码
        "smartBusinessClassCode":'YCJGYCBG', #分析报告分类编码
        "reportEmployeeCode":"E40116", # 报告人
        "reportDeptCode" :"D0044" ,# 报告部门
        "productGroupCode":"RAW_MATERIAL"  # 商品分类
  }
}


warning_data = {
    "funcModule":'原油特征停更预警',
    "funcOperation":'原油特征停更预警',
    "data":{
    'WARNING_TYPE_NAME':'特征数据停更预警',
    'WARNING_CONTENT':'',
    'WARNING_DATE':''
  }
}

query_data_list_item_nos_data = {
   "funcModule": "数据项",
   "funcOperation": "查询",
    "data": {
        "dateStart":"20200101",
        "dateEnd":"20241231",
        "dataItemNoList":["Brentzdj","Brentzgj"] # 数据项编码,代表 brent最低价和最高价
    }
}


# 北京环境数据库
host = '192.168.101.27'
port = 3306
dbusername ='root'  
password = '123456'
dbname = 'jingbo_test'
table_name = 'v_tbl_crude_oil_warning'


### 开关
is_train = False # 是否训练
is_debug = False # 是否调试
is_eta = False # 是否使用eta接口
is_market = False # 是否通过市场信息平台获取特征 ,在is_eta 为true 的情况下生效
is_timefurture = True # 是否使用时间特征
is_fivemodels = False # 是否使用之前保存的最佳的5个模型
is_edbcode = False # 特征使用edbcoding列表中的
is_edbnamelist = False # 自定义特征，对应上面的edbnamelist
is_update_eta  = True  # 预测结果上传到eta
is_update_report = False # 是否上传报告
is_update_warning_data =  False # 是否上传预警数据
is_del_corr = 0.6 # 是否删除相关性高的特征,取值为 0-1 ，0 为不删除，0.6 表示删除相关性小于0.6的特征
is_del_tow_month = True # 是否删除两个月不更新的特征



# 连接到数据库
db_mysql = MySQLDB(host=host, user=dbusername, password=password, database=dbname)
db_mysql.connect()
print("数据库连接成功",host,dbname,dbusername)


# 数据截取日期
start_year = 2020 # 数据开始年份
end_time = '' # 数据截取日期
freq = 'B'  # 时间频率，"D": 天 "W": 周"M": 月"Q": 季度"A": 年 "H": 小时 "T": 分钟 "S": 秒 "B": 工作日
delweekenday = True if freq == 'B' else False # 是否删除周末数据
is_corr = False # 特征是否参与滞后领先提升相关系数
add_kdj = False # 是否添加kdj指标
if add_kdj and is_edbnamelist:
    edbnamelist = edbnamelist+['K','D','J']

### 模型参数  
y = 'AVG-金能大唐久泰青州' 
avg_cols = [
    'PP：拉丝：1102K：出厂价：青州：国家能源宁煤（日）',
    'PP：拉丝：L5E89：出厂价：华北（第二区域）：内蒙古久泰新材料（日）',  
    'PP：拉丝：L5E89：出厂价：河北、鲁北：大唐内蒙多伦（日）',
    'PP：拉丝：HP550J：市场价：青岛：金能化学（日）'
]
offsite = 80
offsite_col = ['PP：拉丝：HP550J：市场价：青岛：金能化学（日）']
horizon =5 # 预测的步长
input_size = 40  # 输入序列长度
train_steps = 50 if is_debug else 1000 # 训练步数,用来限定epoch次数
val_check_steps = 30  # 评估频率
early_stop_patience_steps = 5 # 早停的耐心步数   
# --- 交叉验证用的参数
test_size = 200  # 测试集大小，定义100，后面使用的时候重新赋值
val_size = test_size # 验证集大小,同测试集大小

### 特征筛选用到的参数
k = 100 # 特征筛选数量，如果是0或者值比特征数量大，代表全部特征
corr_threshold = 0.6 # 相关性大于0.6的特征
rote = 0.06 # 绘图上下界阈值

### 计算准确率
weight_dict = [0.4,0.15,0.1,0.1,0.25] # 权重


### 文件
data_set = 'PP指标数据.xlsx'  # 数据集文件  
dataset = 'juxitingdataset' # 数据集文件夹

# 数据库名称
db_name = os.path.join(dataset,'jbsh_juxiting.db')
sqlitedb = SQLiteHandler(db_name) 
sqlitedb.connect()

settings = f'{input_size}-{horizon}-{train_steps}--{k}-{data_set}-{y}' 
# 获取日期时间
# now = datetime.datetime.now().strftime('%Y%m%d%H%M%S') # 获取当前日期时间
now = datetime.datetime.now().strftime('%Y-%m-%d') # 获取当前日期时间
reportname = f'PP大模型预测报告--{end_time}.pdf' # 报告文件名
reportname = reportname.replace(':', '-') # 替换冒号
if end_time == '':
    end_time = now
### 邮件配置
username='1321340118@qq.com'
passwd='wgczgyhtyyyyjghi'
# recv=['liurui_test@163.com','52585119@qq.com']
recv=['liurui_test@163.com']
# recv=['liurui_test@163.com']
title='reportname'
content=y+'预测报告请看附件'
file=os.path.join(dataset,'reportname')
# file=os.path.join(dataset,'14-7-50--100-原油指标数据.xlsx-Brent连1合约价格--20240731175936-预测报告.pdf')
ssl=True


### 日志配置

# 创建日志目录（如果不存在）
log_dir = 'logs'
if not os.path.exists(log_dir):
    os.makedirs(log_dir)

# 配置日志记录器
logger = logging.getLogger('my_logger')
logger.setLevel(logging.INFO)

# 配置文件处理器，将日志记录到文件
file_handler = logging.handlers.RotatingFileHandler(os.path.join(log_dir, 'pricepredict.log'), maxBytes=1024 * 1024, backupCount=5)
file_handler.setFormatter(logging.Formatter('%(asctime)s - %(name)s - %(levelname)s - %(message)s'))

# 配置控制台处理器，将日志打印到控制台
console_handler = logging.StreamHandler()
console_handler.setFormatter(logging.Formatter('%(message)s'))

# 将处理器添加到日志记录器
logger.addHandler(file_handler)
logger.addHandler(console_handler)

# logger.info('当前配置：'+settings)