10.7发版

config_jingbo.py

@@ -86,50 +86,13 @@ ClassifyId = 1214
 
 ### 报告上传配置
 # 变量定义--线上环境
-# login_pushreport_url = "http://10.200.32.39/jingbo-api/api/server/login"
+login_pushreport_url = "http://10.200.32.39/jingbo-api/api/server/login"
-# upload_url = "http://10.200.32.39/jingbo-api/api/analysis/reportInfo/researchUploadReportSave"
+upload_url = "http://10.200.32.39/jingbo-api/api/analysis/reportInfo/researchUploadReportSave"
-
-# login_data = {
-#     "data": {
-#         "account": "api_dev",
-#         "password": "ZTEwYWRjMzk0OWJhNTlhYmJlNTZlMDU3ZjIwZjg4M2U=",
-#         "tenantHashCode": "8a4577dbd919675758d57999a1e891fe",
-#         "terminal": "API"
-#     },
-#     "funcModule": "API",
-#     "funcOperation": "获取token"
-# }
-
-
-
-# upload_data = {
-#     "funcModule":'研究报告信息',
-#     "funcOperation":'上传原油价格预测报告',
-#     "data":{
-#         "ownerAccount":'27663', #报告所属用户账号  27663 - 刘小朋
-#         "reportType":'OIL_PRICE_FORECAST', # 报告类型，固定为OIL_PRICE_FORECAST
-#         "fileName": '', #文件名称 
-#         "fileBase64": '' ,#文件内容base64
-#         "categoryNo":'yyjgycbg', # 研究报告分类编码
-#         "smartBusinessClassCode":'YCJGYCBG', #分析报告分类编码
-#         "reportEmployeeCode":"E40482" ,# 报告人  E40482  - 管理员  0000027663 - 刘小朋  
-#         "reportDeptCode" :"002000621000", # 报告部门 - 002000621000  SH期货研究部  
-#         "productGroupCode":"RAW_MATERIAL"  # 商品分类
-#   }
-# }
-
-
-
-# # 变量定义--测试环境
-login_pushreport_url = "http://192.168.100.53:8080/jingbo-dev/api/server/login"
-upload_url = "http://192.168.100.53:8080/jingbo-dev/api/analysis/reportInfo/researchUploadReportSave"
-# upload_url = "http://192.168.100.109:8080/jingbo/api/analysis/reportInfo/researchUploadReportSave" # zhaoqiwei
-
 
 login_data = {
     "data": {
-        "account": "api_test",
+        "account": "api_dev",
-        "password": "MmVmNzNlOWI0MmY0ZDdjZGUwNzE3ZjFiMDJiZDZjZWU=",
+        "password": "ZTEwYWRjMzk0OWJhNTlhYmJlNTZlMDU3ZjIwZjg4M2U=",
         "tenantHashCode": "8a4577dbd919675758d57999a1e891fe",
         "terminal": "API"
     },
@@ -137,48 +100,85 @@ login_data = {
     "funcOperation": "获取token"
 }
 
+
+
 upload_data = {
     "funcModule":'研究报告信息',
     "funcOperation":'上传原油价格预测报告',
     "data":{
-        "ownerAccount":'arui', #报告所属用户账号
+        "ownerAccount":'27663', #报告所属用户账号  27663 - 刘小朋
         "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 
+        "fileName": '', #文件名称 
         "fileBase64": '' ,#文件内容base64
         "categoryNo":'yyjgycbg', # 研究报告分类编码
         "smartBusinessClassCode":'YCJGYCBG', #分析报告分类编码
-        "reportEmployeeCode":"E40116", # 报告人
+        "reportEmployeeCode":"E40482" ,# 报告人  E40482  - 管理员  0000027663 - 刘小朋  
-        "reportDeptCode" :"D0044" ,# 报告部门
+        "reportDeptCode" :"002000621000", # 报告部门 - 002000621000  SH期货研究部  
         "productGroupCode":"RAW_MATERIAL"  # 商品分类
   }
 }
 
 
-### 线上开关
-# 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_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  = True  # 预测结果上传到eta
-# is_update_report = True # 是否上传报告
 
-### 开关
+# # 变量定义--测试环境
+# login_pushreport_url = "http://192.168.100.53:8080/jingbo-dev/api/server/login"
+# upload_url = "http://192.168.100.53:8080/jingbo-dev/api/analysis/reportInfo/researchUploadReportSave"
+# # upload_url = "http://192.168.100.109:8080/jingbo/api/analysis/reportInfo/researchUploadReportSave" # zhaoqiwei
+
+
+# login_data = {
+#     "data": {
+#         "account": "api_test",
+#         "password": "MmVmNzNlOWI0MmY0ZDdjZGUwNzE3ZjFiMDJiZDZjZWU=",
+#         "tenantHashCode": "8a4577dbd919675758d57999a1e891fe",
+#         "terminal": "API"
+#     },
+#     "funcModule": "API",
+#     "funcOperation": "获取token"
+# }
+
+# upload_data = {
+#     "funcModule":'研究报告信息',
+#     "funcOperation":'上传原油价格预测报告',
+#     "data":{
+#         "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":'YCJGYCBG', #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
+#   }
+# }
+
+
+### 线上开关
 is_train = True # 是否训练
 is_debug = False # 是否调试
-is_eta = False # 是否使用eta接口
+is_eta = True # 是否使用eta接口
 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_eta  = True  # 预测结果上传到eta
-is_update_report = False # 是否上传报告
+is_update_report = True # 是否上传报告
+
+### 开关
+# is_train = True # 是否训练
+# is_debug = False # 是否调试
+# is_eta = False # 是否使用eta接口
+# 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 = False # 是否上传报告
 
 
 # 数据截取日期
-end_time = '2024-10-28' # 数据截取日期
+end_time = '' # 数据截取日期
 delweekenday = True
 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
@@ -212,7 +212,8 @@ db_name = os.path.join(dataset,'jbsh_yuanyou.db')
 
 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%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'Brent原油大模型预测--{now}.pdf' # 报告文件名
 reportname = reportname.replace(':', '-') # 替换冒号
 

main.py

@@ -1,4 +1,4 @@
-# 读取配置
+# 读取配置
 from config_jingbo import *
 # from config_tansuanli import *
 # from config_juxiting import *
@@ -39,8 +39,8 @@ def predict_main():
                                     edbbusinessurl=edbbusinessurl,
                                     )
 
-        # df_zhibiaoshuju,df_zhibiaoliebiao = etadata.get_eta_api_yuanyou_data(data_set=data_set,dataset=dataset)  # 原始数据，未处理
+        df_zhibiaoshuju,df_zhibiaoliebiao = etadata.get_eta_api_yuanyou_data(data_set=data_set,dataset=dataset)  # 原始数据，未处理
-        df_zhibiaoshuju,df_zhibiaoliebiao =  etadata.get_eta_api_pp_data(data_set=data_set,dataset=dataset)  # 原始数据，未处理
+        # df_zhibiaoshuju,df_zhibiaoliebiao =  etadata.get_eta_api_pp_data(data_set=data_set,dataset=dataset)  # 原始数据，未处理
 
         
         # 数据处理
@@ -75,10 +75,9 @@ def predict_main():
 
     import datetime
     # 判断当前日期是不是周一
-    is_weekday = datetime.datetime.now().weekday() == 3
+    is_weekday = datetime.datetime.now().weekday() == 0
     if is_weekday:
         logger.info('今天是周一，更新预测模型')
-        try:
         # 计算最近20天预测残差最低的模型名称
     
         model_results = sqlitedb.select_data('trueandpredict',order_by = "ds DESC",limit = "20")
@@ -99,10 +98,6 @@ def predict_main():
         # 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20天预测残差最低的模型名称：{most_common_model}")
-        except Exception as e:
-            logger.error(f"最近20天预测残差最低的模型名称计算失败：{e}")
-            # 取txt中的模型名称
-            most_common_model = pd.read_csv(os.path.join(dataset,'best_modelnames.txt'),header=None).values.flatten().tolist()[0]
 
         # 保存结果到数据库
         
@@ -148,7 +143,7 @@ def predict_main():
     # # 模型评估
     
     logger.info('训练数据绘图ing')
-    model_results3 = model_losss_juxiting(sqlitedb)
+    model_results3 = model_losss(sqlitedb)
     
     logger.info('训练数据绘图end')
     # 模型报告
@@ -183,7 +178,7 @@ def predict_main():
         file=max(glob.glob(os.path.join(dataset,'*.pdf')), key=os.path.getctime),
         ssl=ssl,
     )
-    m.send_mail()   
+    # m.send_mail()   
 
 
 if __name__ == '__main__':

原油预测定时任务，请勿关闭.py

@@ -11,4 +11,5 @@ while True:
             predict_main()
         time.sleep(60)
     except:
-        pass
+        time.sleep(3600)
+        predict_main()