原油月度预测调试

config_jingbo_yuedu.py

@@ -194,21 +194,21 @@ table_name = 'v_tbl_crude_oil_warning'
 
 
 # 开关
-is_train = True  # 是否训练
+is_train = False  # 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_market = True  # 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 = False  # 预测结果上传到eta
-is_update_report = True  # 是否上传报告
+is_update_report = False  # 是否上传报告
 is_update_warning_data = False  # 是否上传预警数据
-is_update_predict_value = True  # 是否上传预测值到市场信息平台
+is_update_predict_value = False  # 是否上传预测值到市场信息平台
 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
-is_bdwd = True  # 是否使用八大维度
+is_del_tow_month = False  # 是否删除两个月不更新的特征
+is_bdwd = False  # 是否使用八大维度
 
 
 # 连接到数据库

main_yuanyou_yuedu.py

@@ -3,7 +3,7 @@
 from lib.dataread import *
 from config_jingbo_yuedu import *
 from lib.tools import SendMail, exception_logger
-from models.nerulforcastmodels import ex_Model, model_losss, model_losss_juxiting, brent_export_pdf, tansuanli_export_pdf, pp_export_pdf, model_losss_juxiting
+from models.nerulforcastmodels import ex_Model, model_losss
 import datetime
 import torch
 torch.set_float32_matmul_precision("high")
@@ -417,18 +417,18 @@ def predict_main():
     model_results3 = model_losss(sqlitedb, end_time=end_time)
     logger.info('训练数据绘图end')
 
-    # 模型报告
-    logger.info('制作报告ing')
-    title = f'{settings}--{end_time}-预测报告'  # 报告标题
-    reportname = f'Brent原油大模型月度预测--{end_time}.pdf'  # 报告文件名
-    reportname = reportname.replace(':', '-')  # 替换冒号
-    brent_export_pdf(dataset=dataset, num_models=5 if is_fivemodels else 22, time=end_time,
-                     reportname=reportname, sqlitedb=sqlitedb),
+    # # 模型报告
+    # logger.info('制作报告ing')
+    # title = f'{settings}--{end_time}-预测报告'  # 报告标题
+    # reportname = f'Brent原油大模型月度预测--{end_time}.pdf'  # 报告文件名
+    # reportname = reportname.replace(':', '-')  # 替换冒号
+    # brent_export_pdf(dataset=dataset, num_models=5 if is_fivemodels else 22, time=end_time,
+    #                  reportname=reportname, sqlitedb=sqlitedb),
 
-    logger.info('制作报告end')
-    logger.info('模型训练完成')
+    # logger.info('制作报告end')
+    # logger.info('模型训练完成')
 
-    push_market_value()
+    # push_market_value()
 
     # # LSTM 单变量模型
     # ex_Lstm(df,input_seq_len=input_size,output_seq_len=horizon,is_debug=is_debug,dataset=dataset)
@@ -455,13 +455,13 @@ def predict_main():
 if __name__ == '__main__':
     # global end_time
     # 遍历2024-11-25 到 2024-12-3 之间的工作日日期
-    # for i_time in pd.date_range('2022-1-1', '2025-3-26', freq='M'):
-    #     try:
-    #         global_config['end_time'] = i_time.strftime('%Y-%m-%d')
-    #         predict_main()
+    for i_time in pd.date_range('2025-1-1', '2025-3-26', freq='B'):
+        # try:
+        global_config['end_time'] = i_time.strftime('%Y-%m-%d')
+        predict_main()
     #     except Exception as e:
     #         logger.info(f'预测失败：{e}')
     #         continue
 
-    predict_main()
+    # predict_main()