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 = 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
@@ -182,7 +182,7 @@ print("数据库连接成功",host,dbname,dbusername)
 
 
 # 数据截取日期
-start_year = 2017 # 数据开始年份
+start_year = 2020 # 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

main_yuanyou_zhoudu.py

@@ -288,11 +288,10 @@ def predict_main():
 
 
 if __name__ == '__main__':
-    # global end_time
-    # is_on = True
-    # # 遍历2024-11-25 到 2024-12-3 之间的工作日日期
-    # for i_time in pd.date_range('2024-10-8', '2025-2-12', freq='W'):
-    #     end_time = i_time.strftime('%Y-%m-%d')
-    #     predict_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('2024-10-8', '2025-2-26', freq='W'):
+        end_time = i_time.strftime('%Y-%m-%d')
+        predict_main()
 
-    predict_main()
+    # predict_main()

models/nerulforcastmodels.py

@@ -860,7 +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'], 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','mean'], inplace=True,errors='ignore') 
     # 获取模型名称
     modelnames  = df_combined.columns.to_list()[1:] 
     if 'y' in modelnames: