原油画图用最佳模型，而不是最多拟合的模型。

config_jingbo.py

@@ -198,7 +198,7 @@ warning_data = {
 ### 开关
 is_train = True # 是否训练
 is_debug = False # 是否调试
-is_eta = True # 是否使用eta接口
+is_eta = False # 是否使用eta接口
 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 = True # 特征使用edbcoding列表中的
@@ -235,13 +235,13 @@ if add_kdj and is_edbnamelist:
 ### 模型参数  
 y = 'Brent连1合约价格' # 原油指标数据的目标变量  Brent连1合约价格   Brent活跃合约
 # y = '期货结算价(连续):布伦特原油:前一个观测值' # ineoil的目标变量  
-horizon =20 # 预测的步长
+horizon =30 # 预测的步长
 input_size = 120  # 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 = 100  # 测试集大小，定义100，后面使用的时候重新赋值
+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

models/nerulforcastmodels.py

@@ -415,7 +415,7 @@ def model_losss(sqlitedb):
     df_combined3.to_csv(os.path.join(dataset,"df_combined3.csv"),index=False) 
     
      # 历史价格+预测价格
-    df_combined3 = df_combined3[-50:] # 取50个数据点画图
+    # df_combined3 = df_combined3[-50:] # 取50个数据点画图
     # 历史价格
     plt.figure(figsize=(20, 10))
     plt.plot(df_combined3['ds'], df_combined3['y'], label='真实值')
@@ -429,8 +429,8 @@ def model_losss(sqlitedb):
         plt.text(i, j, str(j), ha='center', va='bottom')
 
     # 数据库查询最佳模型名称
-    most_model = [sqlitedb.select_data('most_model',columns=['most_common_model'],order_by='ds desc',limit=1).values[0][0]]
-
+    # most_model = [sqlitedb.select_data('most_model',columns=['most_common_model'],order_by='ds desc',limit=1).values[0][0]]
+    most_model = modelnames[0:1]
     for model in most_model:
         plt.plot(df_combined3['ds'], df_combined3[model], label=model,marker='o')
     # 当前日期画竖虚线