diff --git a/config_shiyoujiao.py b/config_shiyoujiao.py deleted file mode 100644 index c6a6a5d..0000000 --- a/config_shiyoujiao.py +++ /dev/null @@ -1,320 +0,0 @@ -import logging -import os -import logging.handlers -import datetime -from lib.tools import MySQLDB,SQLiteHandler - - -# eta 接口token -APPID = "XNLDvxZHHugj7wJ7" -SECRET = "iSeU4s6cKKBVbt94htVY1p0sqUMqb2xa" - -# eta 接口url -sourcelisturl = 'http://10.189.2.78:8108/v1/edb/source/list' -classifylisturl = 'http://10.189.2.78:8108/v1/edb/classify/list?ClassifyType=' -uniquecodedataurl = 'http://10.189.2.78:8108/v1/edb/data?UniqueCode=4991c37becba464609b409909fe4d992&StartDate=2024-02-01' -classifyidlisturl = 'http://10.189.2.78:8108/v1/edb/list?ClassifyId=' -edbcodedataurl = 'http://10.189.2.78:8108/v1/edb/data?EdbCode=' -edbdatapushurl = 'http://10.189.2.78:8108/v1/edb/push' -edbdeleteurl = 'http://10.189.2.78:8108/v1/edb/business/edb/del' -edbbusinessurl = 'http://10.189.2.78:8108/v1/edb/business/data/del' -edbcodelist = ['ID01385938','lmcads03 lme comdty', -'GC1 COMB Comdty', -'C2404171822', -'dxy curncy', -'S5443199 ', -'S5479800', -'S5443108', -'H7358586', -'LC3FM1 INDEX', -'CNY REGN Curncy', -'s0105897', -'M0067419', -'M0066351', -'S0266372', -'S0266438', -'S0266506', -'ID01384463'] - -# 临时写死用指定的列,与上面的edbcode对应，后面更改 -edbnamelist = [ - 'ds','y', - 'LME铜价', - '黄金连1合约', - 'Brent-WTI', - '美元指数', - '甲醇鲁南价格', - '甲醇太仓港口价格', - '山东丙烯主流价', - '丙烷（山东）', - 'FEI丙烷 M1', - '在岸人民币汇率', - '南华工业品指数', - 'PVC期货主力', - 'PE期货收盘价', -'PP连续-1月', -'PP连续-5月', -'PP连续-9月', -'PP：拉丝：L5E89：出厂价：华北（第二区域）：内蒙古久泰新材料（日）' - ] - -edbcodenamedict = { -'ID01385938':'PP：拉丝：1102K：市场价：青州：国家能源宁煤（日）', -'ID01384463':'PP：拉丝：L5E89：出厂价：华北（第二区域）：内蒙古久泰新材料（日）', -'lmcads03 lme comdty':'LME铜价', -'GC1 COMB Comdty':'黄金连1合约', -'C2404171822':'Brent-WTI', -'dxy curncy':'美元指数', -'S5443199 ':'甲醇鲁南价格', -'S5479800':'甲醇太仓港口价格', -'S5443108':'山东丙烯主流价', -'H7358586':'丙烷（山东）', -'LC3FM1 INDEX':'FEI丙烷 M1', -'CNY REGN Curncy':'在岸人民币汇率', -'s0105897':'南华工业品指数', -'M0067419':'PVC期货主力', -'M0066351':'PE期货收盘价', -'S0266372':'PP连续-1月', -'S0266438':'PP连续-5月', -'S0266506':'PP连续-9月', - -} - -# eta自有数据指标编码 -modelsindex = { - 'NHITS': 'SELF0000077', - 'Informer':'SELF0000078', - 'LSTM':'SELF0000079', - 'iTransformer':'SELF0000080', - 'TSMixer':'SELF0000081', - 'TSMixerx':'SELF0000082', - 'PatchTST':'SELF0000083', - 'RNN':'SELF0000084', - 'GRU':'SELF0000085', - 'TCN':'SELF0000086', - 'BiTCN':'SELF0000087', - 'DilatedRNN':'SELF0000088', - 'MLP':'SELF0000089', - 'DLinear':'SELF0000090', - 'NLinear':'SELF0000091', - 'TFT':'SELF0000092', - 'FEDformer':'SELF0000093', - 'StemGNN':'SELF0000094', - 'MLPMultivariate':'SELF0000095', - 'TiDE':'SELF0000096', - 'DeepNPTS':'SELF0000097' - } - - - -# eta 上传预测结果的请求体，后面发起请求的时候更改 model datalist 数据 -data = { - "IndexCode": "", - "IndexName": "价格预测模型", - "Unit": "无", - "Frequency": "日度", - "SourceName": f"价格预测", - "Remark": 'ddd', - "DataList": [ - { - "Date": "2024-05-02", - "Value": 333444 - } - ] - } - -# eta 分类 -# level：3才可以获取到数据，所以需要人工把能源化工下所有的level3级都找到 - # url = 'http://10.189.2.78:8108/v1/edb/list?ClassifyId=1214' - #ParentId ":1160, 能源化工 - # ClassifyId ":1214,原油 3912 石油焦 - #ParentId ":1214,"，就是原油下所有的数据。 -ClassifyId = 3707 - - - -############################################################################################################### 变量定义--测试环境 -server_host = '192.168.100.53' - -login_pushreport_url = f"http://{server_host}:8080/jingbo-dev/api/server/login" -upload_url = f"http://{server_host}:8080/jingbo-dev/api/analysis/reportInfo/researchUploadReportSave" -upload_warning_url = f"http://{server_host}:8080/jingbo-dev/api/basicBuiness/crudeOilWarning/save" -query_data_list_item_nos_url = f"http://{server_host}:8080/jingbo-dev/api/warehouse/dwDataItem/queryDataListItemNos" - -login_data = { - "data": { - "account": "api_test", - # "password": "MmVmNzNlOWI0MmY0ZDdjZGUwNzE3ZjFiMDJiZDZjZWU=", # Shihua@123456 - "password": "ZTEwYWRjMzk0OWJhNTlhYmJlNTZlMDU3ZjIwZjg4M2U=", # 123456 - "tenantHashCode": "8a4577dbd919675758d57999a1e891fe", - "terminal": "API" - }, - "funcModule": "API", - "funcOperation": "获取token" -} - -upload_data = { - "funcModule":'研究报告信息', - "funcOperation":'上传聚烯烃PP价格预测报告', - "data":{ - "groupNo":'000128', # 用户组编号 - "ownerAccount":'arui', #报告所属用户账号 - "reportType":'OIL_PRICE_FORECAST', # 报告类型，固定为OIL_PRICE_FORECAST - "fileName": '2000-40-5-50--100-原油指标数据.xlsx-Brent活跃合约--2024-09-06-15-01-29-预测报告.pdf', #文件名称 - "fileBase64": '' ,#文件内容base64 - "categoryNo":'yyjgycbg', # 研究报告分类编码 - "smartBusinessClassCode":'JXTJGYCBG', #分析报告分类编码 - "reportEmployeeCode":"E40116", # 报告人 - "reportDeptCode" :"D0044" ,# 报告部门 - "productGroupCode":"RAW_MATERIAL" # 商品分类 - } -} - - -warning_data = { - "groupNo":'000128', # 用户组编号 - "funcModule":'原油特征停更预警', - "funcOperation":'原油特征停更预警', - "data":{ - 'WARNING_TYPE_NAME':'特征数据停更预警', - 'WARNING_CONTENT':'', - 'WARNING_DATE':'' - } -} - -query_data_list_item_nos_data = { - "funcModule": "数据项", - "funcOperation": "查询", - "data": { - "dateStart":"20200101", - "dateEnd":"20241231", - "dataItemNoList":["Brentzdj","Brentzgj"] # 数据项编码,代表 brent最低价和最高价 - } -} - - -# 北京环境数据库 -host = '192.168.101.27' -port = 3306 -dbusername ='root' -password = '123456' -dbname = 'jingbo_test' -table_name = 'v_tbl_crude_oil_warning' - - -### 开关 -is_train = False # 是否训练 -is_debug = True # 是否调试 -is_eta = True # 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_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_warning_data = False # 是否上传预警数据 -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 - - - -# 连接到数据库 -db_mysql = MySQLDB(host=host, user=dbusername, password=password, database=dbname) -db_mysql.connect() -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 -end_time = '' # 数据截取日期 -freq = 'B' # 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 -is_corr = False # 特征是否参与滞后领先提升相关系数 -add_kdj = False # 是否添加kdj指标 -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' -avg_cols = [ - '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：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）' -] -offsite = 80 -offsite_col = ['PP：拉丝：HP550J：市场价：青岛：金能化学（日）'] -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 -val_check_steps = 30 # 评估频率 -early_stop_patience_steps = 5 # 早停的耐心步数 -# --- 交叉验证用的参数 -test_size = 200 # 测试集大小，定义100，后面使用的时候重新赋值 -val_size = test_size # 验证集大小,同测试集大小 - -### 特征筛选用到的参数 -k = 100 # 特征筛选数量，如果是0或者值比特征数量大，代表全部特征 -corr_threshold = 0.6 # 相关性大于0.6的特征 -rote = 0.06 # 绘图上下界阈值 - -### 计算准确率 -weight_dict = [0.4,0.15,0.1,0.1,0.25] # 权重 - - -### 文件 -data_set = '石油焦指标数据.xlsx' # 数据集文件 -dataset = 'shiyoujiaodataset' # 数据集文件夹 - -# 数据库名称 -db_name = os.path.join(dataset,'jbsh_juxiting.db') -sqlitedb = SQLiteHandler(db_name) -sqlitedb.connect() - -settings = f'{input_size}-{horizon}-{train_steps}--{k}-{data_set}-{y}' -# 获取日期时间 -# now = datetime.datetime.now().strftime('%Y%m%d%H%M%S') # 获取当前日期时间 -now = datetime.datetime.now().strftime('%Y-%m-%d') # 获取当前日期时间 -reportname = f'PP大模型预测报告--{end_time}.pdf' # 报告文件名 -reportname = reportname.replace(':', '-') # 替换冒号 -if end_time == '': - end_time = now -### 邮件配置 -username='1321340118@qq.com' -passwd='wgczgyhtyyyyjghi' -# recv=['liurui_test@163.com','52585119@qq.com'] -recv=['liurui_test@163.com'] -# recv=['liurui_test@163.com'] -title='reportname' -content=y+'预测报告请看附件' -file=os.path.join(dataset,'reportname') -# file=os.path.join(dataset,'14-7-50--100-原油指标数据.xlsx-Brent连1合约价格--20240731175936-预测报告.pdf') -ssl=True - - -### 日志配置 - -# 创建日志目录（如果不存在） -log_dir = 'logs' -if not os.path.exists(log_dir): - os.makedirs(log_dir) - -# 配置日志记录器 -logger = logging.getLogger('my_logger') -logger.setLevel(logging.INFO) - -# 配置文件处理器，将日志记录到文件 -file_handler = logging.handlers.RotatingFileHandler(os.path.join(log_dir, 'pricepredict.log'), maxBytes=1024 * 1024, backupCount=5) -file_handler.setFormatter(logging.Formatter('%(asctime)s - %(name)s - %(levelname)s - %(message)s')) - -# 配置控制台处理器，将日志打印到控制台 -console_handler = logging.StreamHandler() -console_handler.setFormatter(logging.Formatter('%(message)s')) - -# 将处理器添加到日志记录器 -logger.addHandler(file_handler) -logger.addHandler(console_handler) - -# logger.info('当前配置：'+settings) - diff --git a/main_shiyoujiao.py b/main_shiyoujiao.py deleted file mode 100644 index c706c9f..0000000 --- a/main_shiyoujiao.py +++ /dev/null @@ -1,301 +0,0 @@ -# 读取配置 -from lib.dataread import * -from lib.tools import SendMail,exception_logger -from models.nerulforcastmodels import ex_Model_Juxiting,model_losss,model_losss_juxiting,brent_export_pdf,tansuanli_export_pdf,pp_export_pdf,model_losss_juxiting - -import glob -import torch -torch.set_float32_matmul_precision("high") - - - -def predict_main(): - """ - 主预测函数，用于从 ETA 获取数据、处理数据、训练模型并进行预测。 - - 参数: - signature (BinanceAPI): Binance API 实例。 - etadata (EtaReader): ETA 数据读取器实例。 - is_eta (bool): 是否从 ETA 获取数据。 - data_set (str): 数据集名称。 - dataset (str): 数据集路径。 - add_kdj (bool): 是否添加 KDJ 指标。 - is_timefurture (bool): 是否添加时间衍生特征。 - end_time (str): 结束时间。 - is_edbnamelist (bool): 是否使用 EDB 名称列表。 - edbnamelist (list): EDB 名称列表。 - y (str): 预测目标列名。 - sqlitedb (SQLiteDB): SQLite 数据库实例。 - is_corr (bool): 是否进行相关性分析。 - horizon (int): 预测时域。 - input_size (int): 输入数据大小。 - train_steps (int): 训练步数。 - val_check_steps (int): 验证检查步数。 - early_stop_patience_steps (int): 早停耐心步数。 - is_debug (bool): 是否调试模式。 - dataset (str): 数据集名称。 - is_train (bool): 是否训练模型。 - is_fivemodels (bool): 是否使用五个模型。 - val_size (float): 验证集大小。 - test_size (float): 测试集大小。 - settings (dict): 模型设置。 - now (str): 当前时间。 - etadata (EtaReader): ETA 数据读取器实例。 - modelsindex (list): 模型索引列表。 - data (str): 数据类型。 - is_eta (bool): 是否从 ETA 获取数据。 - - 返回: - None - """ - global end_time - signature = BinanceAPI(APPID, SECRET) - etadata = EtaReader(signature=signature, - classifylisturl=classifylisturl, - classifyidlisturl=classifyidlisturl, - edbcodedataurl=edbcodedataurl, - edbcodelist=edbcodelist, - edbdatapushurl=edbdatapushurl, - edbdeleteurl=edbdeleteurl, - edbbusinessurl=edbbusinessurl - ) - # 获取数据 - if is_eta: - logger.info('从eta获取数据...') - signature = BinanceAPI(APPID, SECRET) - etadata = EtaReader(signature=signature, - classifylisturl=classifylisturl, - classifyidlisturl=classifyidlisturl, - edbcodedataurl=edbcodedataurl, - edbcodelist=edbcodelist, - edbdatapushurl=edbdatapushurl, - edbdeleteurl=edbdeleteurl, - edbbusinessurl=edbbusinessurl, - ) - df_zhibiaoshuju, df_zhibiaoliebiao = etadata.get_eta_api_shiyoujiao_data(data_set=data_set, dataset=dataset) # 原始数据，未处理 - - if is_market: - logger.info('从市场信息平台获取数据...') - 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') - df_zhibiaoshuju = get_high_low_data(df_zhibiaoshuju) - else: - logger.info('从市场信息平台获取数据') - df_zhibiaoshuju = get_market_data(end_time,df_zhibiaoshuju) - - except : - logger.info('最高最低价拼接失败') - - # 保存到xlsx文件的sheet表 - with pd.ExcelWriter(os.path.join(dataset,data_set)) as file: - df_zhibiaoshuju.to_excel(file, sheet_name='指标数据', index=False) - df_zhibiaoliebiao.to_excel(file, sheet_name='指标列表', index=False) - - - # 数据处理 - df = datachuli_juxiting(df_zhibiaoshuju, df_zhibiaoliebiao, y=y, dataset=dataset, add_kdj=add_kdj, is_timefurture=is_timefurture, - end_time=end_time) - - else: - # 读取数据 - logger.info('读取本地数据：' + os.path.join(dataset, data_set)) - df,df_zhibiaoliebiao = getdata_juxiting(filename=os.path.join(dataset, data_set), y=y, dataset=dataset, add_kdj=add_kdj, - is_timefurture=is_timefurture, end_time=end_time) # 原始数据，未处理 - - # 更改预测列名称 - df.rename(columns={y: 'y'}, inplace=True) - - if is_edbnamelist: - df = df[edbnamelist] - df.to_csv(os.path.join(dataset, '指标数据.csv'), index=False) - # 保存最新日期的y值到数据库 - # 取第一行数据存储到数据库中 - first_row = df[['ds', 'y']].tail(1) - # 判断y的类型是否为float - if not isinstance(first_row['y'].values[0], float): - logger.info(f'{end_time}预测目标数据为空，跳过') - return None - - # 将最新真实值保存到数据库 - if not sqlitedb.check_table_exists('trueandpredict'): - first_row.to_sql('trueandpredict', sqlitedb.connection, index=False) - else: - for row in first_row.itertuples(index=False): - row_dict = row._asdict() - row_dict['ds'] = row_dict['ds'].strftime('%Y-%m-%d %H:%M:%S') - check_query = sqlitedb.select_data('trueandpredict', where_condition=f"ds = '{row.ds}'") - if len(check_query) > 0: - set_clause = ", ".join([f"{key} = '{value}'" for key, value in row_dict.items()]) - sqlitedb.update_data('trueandpredict', set_clause, where_condition=f"ds = '{row.ds}'") - continue - sqlitedb.insert_data('trueandpredict', tuple(row_dict.values()), columns=row_dict.keys()) - - # 更新accuracy表的y值 - if not sqlitedb.check_table_exists('accuracy'): - pass - else: - update_y = sqlitedb.select_data('accuracy',where_condition="y is null") - if len(update_y) > 0: - logger.info('更新accuracy表的y值') - # 找到update_y 中ds且df中的y的行 - update_y = update_y[update_y['ds']<=end_time] - logger.info(f'要更新y的信息：{update_y}') - # try: - for row in update_y.itertuples(index=False): - try: - row_dict = row._asdict() - yy = df[df['ds']==row_dict['ds']]['y'].values[0] - LOW = df[df['ds']==row_dict['ds']]['Brentzdj'].values[0] - HIGH = df[df['ds']==row_dict['ds']]['Brentzgj'].values[0] - sqlitedb.update_data('accuracy', f"y = {yy},LOW_PRICE = {LOW},HIGH_PRICE = {HIGH}", where_condition=f"ds = '{row_dict['ds']}'") - except: - logger.info(f'更新accuracy表的y值失败：{row_dict}') - # except Exception as e: - # logger.info(f'更新accuracy表的y值失败：{e}') - - import datetime - # 判断当前日期是不是周一 - is_weekday = datetime.datetime.now().weekday() == 0 - if is_weekday: - logger.info('今天是周一，更新预测模型') - # 计算最近60天预测残差最低的模型名称 - model_results = sqlitedb.select_data('trueandpredict', order_by="ds DESC", limit="60") - # 删除空值率为90%以上的列 - if len(model_results) > 10: - model_results = model_results.dropna(thresh=len(model_results)*0.1,axis=1) - # 删除空行 - model_results = model_results.dropna() - modelnames = model_results.columns.to_list()[2:-1] - for col in model_results[modelnames].select_dtypes(include=['object']).columns: - model_results[col] = model_results[col].astype(np.float32) - # 计算每个预测值与真实值之间的偏差率 - for model in modelnames: - model_results[f'{model}_abs_error_rate'] = abs(model_results['y'] - model_results[model]) / model_results['y'] - # 获取每行对应的最小偏差率值 - min_abs_error_rate_values = model_results.apply(lambda row: row[[f'{model}_abs_error_rate' for model in modelnames]].min(), axis=1) - # 获取每行对应的最小偏差率值对应的列名 - min_abs_error_rate_column_name = model_results.apply(lambda row: row[[f'{model}_abs_error_rate' for model in modelnames]].idxmin(), axis=1) - # 将列名索引转换为列名 - min_abs_error_rate_column_name = min_abs_error_rate_column_name.map(lambda x: x.split('_')[0]) - # 取出现次数最多的模型名称 - most_common_model = min_abs_error_rate_column_name.value_counts().idxmax() - logger.info(f"最近60天预测残差最低的模型名称：{most_common_model}") - # 保存结果到数据库 - if not sqlitedb.check_table_exists('most_model'): - sqlitedb.create_table('most_model', columns="ds datetime, most_common_model TEXT") - sqlitedb.insert_data('most_model', (datetime.datetime.now().strftime('%Y-%m-%d %H:%M:%S'), most_common_model,), columns=('ds', 'most_common_model',)) - - try: - if is_weekday: - # if True: - logger.info('今天是周一，发送特征预警') - # 上传预警信息到数据库 - warning_data_df = df_zhibiaoliebiao.copy() - warning_data_df = warning_data_df[warning_data_df['停更周期']> 3 ][['指标名称', '指标id', '频度','更新周期','指标来源','最后更新时间','停更周期']] - # 重命名列名 - warning_data_df = warning_data_df.rename(columns={'指标名称': 'INDICATOR_NAME', '指标id': 'INDICATOR_ID', '频度': 'FREQUENCY', '更新周期': 'UPDATE_FREQUENCY', '指标来源': 'DATA_SOURCE', '最后更新时间': 'LAST_UPDATE_DATE', '停更周期': 'UPDATE_SUSPENSION_CYCLE'}) - from sqlalchemy import create_engine - import urllib - global password - if '@' in password: - password = urllib.parse.quote_plus(password) - - engine = create_engine(f'mysql+pymysql://{dbusername}:{password}@{host}:{port}/{dbname}') - warning_data_df['WARNING_DATE'] = datetime.date.today().strftime("%Y-%m-%d %H:%M:%S") - warning_data_df['TENANT_CODE'] = 'T0004' - # 插入数据之前查询表数据然后新增id列 - existing_data = pd.read_sql(f"SELECT * FROM {table_name}", engine) - if not existing_data.empty: - max_id = existing_data['ID'].astype(int).max() - warning_data_df['ID'] = range(max_id + 1, max_id + 1 + len(warning_data_df)) - else: - warning_data_df['ID'] = range(1, 1 + len(warning_data_df)) - warning_data_df.to_sql(table_name, con=engine, if_exists='append', index=False) - if is_update_warning_data: - upload_warning_info(len(warning_data_df)) - except: - logger.info('上传预警信息到数据库失败') - - if is_corr: - df = corr_feature(df=df) - - df1 = df.copy() # 备份一下，后面特征筛选完之后加入ds y 列用 - logger.info(f"开始训练模型...") - row, col = df.shape - - now = datetime.datetime.now().strftime('%Y%m%d%H%M%S') - ex_Model_Juxiting(df, - horizon=horizon, - input_size=input_size, - train_steps=train_steps, - val_check_steps=val_check_steps, - early_stop_patience_steps=early_stop_patience_steps, - is_debug=is_debug, - dataset=dataset, - is_train=is_train, - is_fivemodels=is_fivemodels, - val_size=val_size, - test_size=test_size, - settings=settings, - now=now, - etadata=etadata, - modelsindex=modelsindex, - data=data, - is_eta=is_eta, - end_time=end_time, - ) - - - logger.info('模型训练完成') - - logger.info('训练数据绘图ing') - model_results3 = model_losss_juxiting(sqlitedb) - 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'PP大模型预测报告--{end_time}.pdf' # 报告文件名 - reportname = reportname.replace(':', '-') # 替换冒号 - pp_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') - - # # LSTM 单变量模型 - # ex_Lstm(df,input_seq_len=input_size,output_seq_len=horizon,is_debug=is_debug,dataset=dataset) - - # # lstm 多变量模型 - # ex_Lstm_M(df,n_days=input_size,out_days=horizon,is_debug=is_debug,datasetpath=dataset) - - # # GRU 模型 - # # ex_GRU(df) - - # 发送邮件 - m = SendMail( - username=username, - passwd=passwd, - recv=recv, - title=title, - content=content, - file=max(glob.glob(os.path.join(dataset,'*.pdf')), key=os.path.getctime), - ssl=ssl, - ) - # m.send_mail() - - -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('2025-1-20', '2025-2-6', freq='B'): - # end_time = i_time.strftime('%Y-%m-%d') - # try: - # predict_main() - # except: - # pass - - predict_main() \ No newline at end of file