原油周度预测调试完成

config_jingbo_zhoudu.py

@@ -160,7 +160,7 @@ table_name = 'v_tbl_crude_oil_warning'
 
 ### 开关
 is_train = False # 是否训练
-is_debug = False # 是否调试
+is_debug = True # 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
@@ -182,7 +182,7 @@ 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
+start_year = 2017 # 数据开始年份
 end_time = '' # 数据截取日期
 freq = 'W'  # 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
@@ -193,7 +193,7 @@ 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
-horizon =4 # 预测的步长
+horizon =2 # 预测的步长
 input_size = 12  # 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

lib/dataread.py

@@ -42,9 +42,9 @@ plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号
 
 # from config_jingbo_pro import *
 # from config_jingbo import *
-# from config_jingbo_zhoudu import *
+from config_jingbo_zhoudu import *
 # from config_yongan import *
-from config_juxiting import *
+# from config_juxiting import *
 # from config_juxiting_zhoudu import *
 # from config_juxiting_pro import *
 

models/nerulforcastmodels.py

@@ -197,7 +197,8 @@ def ex_Model(df,horizon,input_size,train_steps,val_check_steps,early_stop_patien
     #进行未来时间预测
     df_predict=nf.predict(df_test).reset_index()
     # 去掉index列
-    df_predict.drop(columns=['index'], inplace=True)
+    if 'index' in df_predict.columns:
+        df_predict.drop(columns=['index'], inplace=True)
     df_predict.astype({col: 'float32' for col in df_predict.columns if col not in ['ds'] })
     
     # 添加预测时间
@@ -859,7 +860,7 @@ def model_losss(sqlitedb,end_time):
     # 然后筛选出那些 cutoff 等于 max_cutoff 的行，这样就得到了每个分组中 cutoff 最大的行，并保留了其他列
     df_combined = df_combined[df_combined['CREAT_DATE'] == df_combined['max_cutoff']]
     # 删除模型生成的cutoff列
-    df_combined.drop(columns=['CREAT_DATE', 'max_cutoff','created_dt','min_within_quantile','max_within_quantile','id','min_price','max_price','LOW_PRICE','HIGH_PRICE','mean'], inplace=True,errors='ignore') 
+    df_combined.drop(columns=['CREAT_DATE', 'max_cutoff','created_dt','min_within_quantile','max_within_quantile','id','min_price','max_price','LOW_PRICE','HIGH_PRICE'], inplace=True,errors='ignore') 
     # 获取模型名称
     modelnames  = df_combined.columns.to_list()[1:] 
     if 'y' in modelnames: