原油月度基础数据调试

config_jingbo_yuedu.py

@@ -158,7 +158,7 @@ table_name = 'v_tbl_crude_oil_warning'
 
 # 开关
 is_train = False  # 是否训练
-is_debug = True  # 是否调试
+is_debug = False  # 是否调试
 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
@@ -180,8 +180,8 @@ print("数据库连接成功", host, dbname, dbusername)
 
 
 # 数据截取日期
-start_year = 2005  # 数据开始年份
+start_year = 2000  # 数据开始年份
-end_time = ''  # 数据截取日期
+end_time = '2023-3-1'  # 数据截取日期
 freq = 'M'  # 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 "WW" 自定义周
 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

main_yuanyou_yuedu.py

@@ -102,7 +102,7 @@ def predict_main():
     返回:
         None
     """
-    global end_time
+    end_time = global_config['end_time']
     signature = BinanceAPI(APPID, SECRET)
     etadata = EtaReader(signature=signature,
                         classifylisturl=classifylisturl,
@@ -332,22 +332,22 @@ def predict_main():
              end_time=global_config['end_time'],
              )
 
-    # logger.info('模型训练完成')
+    logger.info('模型训练完成')
 
     logger.info('训练数据绘图ing')
     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')
+    # logger.info('制作报告ing')
-    title = f'{settings}--{end_time}-预测报告'  # 报告标题
+    # 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 = 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
+    # reportname = reportname.replace(':', '-')  # 替换冒号
-    brent_export_pdf(dataset=dataset, num_models=5 if is_fivemodels else 22, time=end_time,
+    # brent_export_pdf(dataset=dataset, num_models=5 if is_fivemodels else 22, time=end_time,
-                     reportname=reportname, sqlitedb=sqlitedb),
+    #                  reportname=reportname, sqlitedb=sqlitedb),
 
-    logger.info('制作报告end')
+    # logger.info('制作报告end')
-    logger.info('模型训练完成')
+    # logger.info('模型训练完成')
 
     # # LSTM 单变量模型
     # ex_Lstm(df,input_seq_len=input_size,output_seq_len=horizon,is_debug=is_debug,dataset=dataset)
@@ -373,9 +373,14 @@ 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
+    # 遍历2024-11-25 到 2024-12-3 之间的工作日日期
-    # for i_time in pd.date_range('2024-12-1', '2025-2-26', freq='W'):
+    for i_time in pd.date_range('2022-1-1', '2025-3-26', freq='M'):
-    #     end_time = i_time.strftime('%Y-%m-%d')
+        try:
-    #     predict_main()
+            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()

models/nerulforcastmodels.py

@@ -935,10 +935,10 @@ def model_losss(sqlitedb, end_time):
     try:
         df_combined = sqlitedb.select_data(
             'accuracy', where_condition=f"created_dt <= '{end_time}'")
-        if len(df_combined) < 10:
+        if len(df_combined) < 100:
             len(df_combined) + ''
     except:
-        df_combined = loadcsv(os.path.join(dataset, "cross_validation.csv"))
+        df_combined = loadcsv(os.path.join(config.dataset, "cross_validation.csv"))
         df_combined = dateConvert(df_combined)
         df_combined['CREAT_DATE'] = df_combined['cutoff']
     df_combined4 = df_combined.copy()  # 备份df_combined,后面画图需要
@@ -968,6 +968,8 @@ def model_losss(sqlitedb, end_time):
         modelnames.remove('y')
     if 'cutoff' in modelnames:
         modelnames.remove('cutoff')
+    if 'ds' in modelnames:
+        modelnames.remove('ds')
     df_combined3 = df_combined.copy()  # 备份df_combined,后面画图需要
 
     # 空的列表存储每个模型的MSE、RMSE、MAE、MAPE、SMAPE