聚烯烃更改预测标的为PP期货

config_juxiting.py

@@ -167,7 +167,7 @@ ClassifyId = 1161
 #     "funcModule": '研究报告信息',
 #     "funcOperation": '上传聚烯烃PP价格预测报告',
 #     "data": {
-#         "groupNo": '000211'  # 用户组编号
+#         "groupNo": '000211',  # 用户组编号
 #         "ownerAccount": '36541',  # 报告所属用户账号  36541 - 贾青雪
 #         "reportType": 'OIL_PRICE_FORECAST',  # 报告类型，固定为OIL_PRICE_FORECAST
 #         "fileName": '',  # 文件名称
@@ -176,7 +176,7 @@ ClassifyId = 1161
 #         "smartBusinessClassCode": 'JXTJGYCBG',  # 分析报告分类编码
 #         "reportEmployeeCode": "E40482",  # 报告人  E40482  - 管理员  0000027663 - 刘小朋  
 #         "reportDeptCode": "JXTJGYCBG",  # 报告部门 - 002000621000  SH期货研究部  
-#         "productGroupCode": "RAW_MATERIAL"    # 商品分类
+#         "productGroupCode": "RAW_MATERIAL"   # 商品分类
 #     }
 # }
 
@@ -196,8 +196,9 @@ ClassifyId = 1161
 #     "funcOperation": "查询",
 #     "data": {
 #         "dateStart": "20200101",
-#         "dateEnd": "20241231",
+#         "dateEnd": "",
-#         "dataItemNoList": ["Brentzdj", "Brentzgj"]  # 数据项编码,代表 brent最低价和最高价
+#         # 数据项编码,代表 PP期货 价格
+#         "dataItemNoList": ["MAIN_CONFT_SETTLE_PRICE"]
 #     }
 # }
 
@@ -334,8 +335,9 @@ query_data_list_item_nos_data = {
     "funcOperation": "查询",
     "data": {
         "dateStart": "20200101",
-        "dateEnd": "20241231",
+        "dateEnd": "",
-        "dataItemNoList": ["Brentzdj", "Brentzgj"]  # 数据项编码,代表 brent最低价和最高价
+        # 数据项编码,代表 PP期货 价格
+        "dataItemNoList": ["MAIN_CONFT_SETTLE_PRICE"]
     }
 }
 
@@ -424,8 +426,8 @@ DEFAULT_CONFIG = {
 # 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_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_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
@@ -457,15 +459,18 @@ 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'
+# y = 'AVG-金能大唐久泰青州'
-avg_cols = [
+# avg_cols = [
-    'PP：拉丝：1102K：出厂价：青州：国家能源宁煤（日）',
+#     '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：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：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）'
+#     'PP：拉丝：HP550J：市场价：青岛：金能化学（日）'
-]
+# ]
-offsite = 80
+# offsite = 80
-offsite_col = ['PP：拉丝：HP550J：市场价：青岛：金能化学（日）']
+# offsite_col = ['PP：拉丝：HP550J：市场价：青岛：金能化学（日）']
+
+y = 'MAIN_CONFT_SETTLE_PRICE'
+
 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

lib/dataread.py

@@ -993,14 +993,14 @@ def datachuli_juxiting(df_zhibiaoshuju, df_zhibiaoliebiao, datecol='date', end_t
     # date转为pddate
     df.rename(columns={datecol: 'ds'}, inplace=True)
 
-    # 指定列统一减少数值
+    # # 指定列统一减少数值
-    print(global_config.keys())
+    # print(global_config.keys())
-    df[global_config['offsite_col']] = df[global_config['offsite_col']] - \
+    # df[global_config['offsite_col']] = df[global_config['offsite_col']] - \
-        global_config['offsite']
+    #     global_config['offsite']
-    # 预测列为avg_cols的均值
+    # # 预测列为avg_cols的均值
-    df[global_config['y']] = df[global_config['avg_cols']].mean(axis=1)
+    # df[global_config['y']] = df[global_config['avg_cols']].mean(axis=1)
-    # 去掉多余的列avg_cols
+    # # 去掉多余的列avg_cols
-    df = df.drop(columns=global_config['avg_cols'])
+    # df = df.drop(columns=global_config['avg_cols'])
 
     # 重命名预测列
     df.rename(columns={global_config['y']: 'y'}, inplace=True)
@@ -2334,7 +2334,6 @@ def get_market_data(end_time, df):
     items_res = requests.post(url=config.query_data_list_item_nos_url, headers=headers,
                               json=config.query_data_list_item_nos_data, timeout=(3, 35))
     json_data = json.loads(items_res.text)
-    config.logger.info(f"获取到的数据:{json_data}")
     df3 = pd.DataFrame(json_data['data'])
     # 按照dataItemNo 分组 得到多个dataframe ，最后根据dataDate merge 成一个dataframe
     df2 = pd.DataFrame()
@@ -2350,7 +2349,9 @@ def get_market_data(end_time, df):
     # 20240101 转换为 2024-01-01
     df2['date'] = pd.to_datetime(df2['date'], format='%Y%m%d')
     df2['date'] = df2['date'].dt.strftime('%Y-%m-%d')
+    config.logger.info(f'市场信息指标拼接前：{df.shape}')
     df = pd.merge(df, df2, how='left', on='date')
+    config.logger.info(f'市场信息指标拼接后：{df.shape}')
     return df
 
 

main_juxiting.py

@@ -13,9 +13,9 @@ global_config.update({
     'logger': logger,
     'dataset': dataset,
     'y': y,
-    'offsite_col': offsite_col,
+    # 'offsite_col': offsite_col,
-    'avg_cols': avg_cols,
+    # 'avg_cols': avg_cols,
-    'offsite': offsite,
+    # 'offsite': offsite,
     'edbcodenamedict': edbcodenamedict,
     'is_debug': is_debug,
     'is_train': is_train,
@@ -303,7 +303,7 @@ def predict_main():
             try:
                 # 如果是测试环境，最高价最低价取excel文档
                 if server_host == '192.168.100.53':
-                    logger.info('从excel文档获取最高价最低价')
+                    logger.info('从excel文档获取市场信息平台指标')
                     df_zhibiaoshuju = get_high_low_data(df_zhibiaoshuju)
                 else:
                     logger.info('从市场信息平台获取数据')
@@ -311,7 +311,7 @@ def predict_main():
                         end_time, df_zhibiaoshuju)
 
             except:
-                logger.info('最高最低价拼接失败')
+                logger.info('市场信息平台数据项-eta数据项 拼接失败')
 
         # 保存到xlsx文件的sheet表
         with pd.ExcelWriter(os.path.join(dataset, data_set)) as file:
@@ -556,8 +556,7 @@ if __name__ == '__main__':
     #         logger.info(f'预测失败：{e}')
     #         continue
 
-    # predict_main()
+    predict_main()
 
     # push_market_value()
-
+    # sql_inset_predict(global_config)
-    sql_inset_predict(global_config)