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' edbcodenamedict = { 'C2403283369': '预赔阳极加工利润（高端）', 'C2403285560': '预培阳极加工利润（低端）', 'C2403288616': '低硫石油焦煅烧利润', 'S6949656': '平均价：氧化铝：一级：全国', 'S5807052': '氧化铝：一级：贵阳', 'S5443355': '市场价：煤沥青：河北地区', 'S5443357': '市场价：煤沥青：山西地区', 'W000294': '国内主要港口石油焦出货量（隆重）', 'W000293': '日照港库存（隆重）', 'W000292': '港口总库存（隆重）', 'W000283': '主营石油焦产量（隆重）', 'W000282': '地炼石油焦产量（隆重）', 'W000281': '中国石油焦产量（隆重）', 'W000280': '主营石油焦开工负荷率（隆重）', 'W000279': '地炼石油焦开工负荷率（隆重）', 'ID00150273': '石油焦：1 # ：市场低端价：东北地区（日）', 'ID00150281': '石油焦：1 # ：市场主流价：东北地区（日）', 'ID00150277': '石油焦：1 # ：市场高端价：东北地区（日）', 'ID00150289': '石油焦：2 # ：市场低端价：华东地区（日）', 'ID00150285': '石油焦：2 # ：市场低端价：西北地区（日）', 'ID00150313': '石油焦：2 # ：市场主流价：华东地区（日）', 'ID00150309': '石油焦：2 # ：市场主流价：西北地区（日）', 'ID00150301': '石油焦：2 # ：市场高端价：华东地区（日）', 'ID00150297': '石油焦：2 # ：市场高端价：西北地区（日）', 'ID00150321': '石油焦：2 # A：市场低端价：山东（日）', 'ID00150329': '石油焦：2 # A：市场主流价：山东（日）', 'ID00150325': '石油焦：2 # A：市场高端价：山东（日）', 'ID00150337': '石油焦：2 # B：市场低端价：华南地区（日）', 'ID00150341': '石油焦：2 # B：市场低端价：华中地区（日）', 'ID00150361': '石油焦：2 # B：市场主流价：华南地区（日）', 'ID00150365': '石油焦：2 # B：市场主流价：华中地区（日）', 'ID00150349': '石油焦：2 # B：市场高端价：华南地区（日）', 'ID00150353': '石油焦：2 # B：市场高端价：华中地区（日）', 'ID00150333': '石油焦：2 # B：市场低端价：山东（日）', 'ID00150357': '石油焦：2 # B：市场主流价：山东（日）', 'ID00150345': '石油焦：2 # B：市场高端价：山东（日）', 'ID00150369': '石油焦：3 # ：市场低端价：华中地区（日）', 'ID00150373': '石油焦：3 # ：市场高端价：华中地区（日）', 'ID00150385': '石油焦：3 # A：市场高端价：山东（日）', 'ID00150393': '石油焦：3 # B：市场低端价：华东地区（日）', 'ID00150409': '石油焦：3 # B：市场主流价：华东地区（日）', 'ID00150401': '石油焦：3 # B：市场高端价：华东地区（日）', 'ID00146589': '海绵焦：4 # ：出厂价：华中地区：洛阳石化（日）', 'ID01242846': '石油焦：4 # B：挂牌价：华北地区：中石化燕山（日）', 'ID01300358': '石油焦：3 # C：市场低端价：山东（日）', 'ID01300357': '石油焦：3 # C：市场高端价：山东（日）', 'ID00150377': '石油焦：3 # ：市场主流价：华中地区（日）', 'ID01387643': '煅烧焦：低硫：0.5 % S：市场价：东北地区（日）', 'ID01387646': '煅烧焦：低硫：3.5 % S：市场价：东北地区（日）', 'ID01387660': '煅烧焦：中硫：3 % S，400V：市场价：山东（日）', 'ID00150381': '石油焦：3 # A：市场低端价：山东（日）', 'ID00150397': '石油焦：3 # B：市场低端价：山东（日）', 'ID00150405': '石油焦：3 # B：市场高端价：山东（日）', 'ID00146545': '海绵焦：3B：出厂价：山东：山东东明（日）', 'B3e90b34e4b9e7a6ea3': '石油焦市场均价(元/吨)', 'B6b5c53b270a3af12ac': '石油焦1 # 市场均价(元/吨)', 'B10721189a11c209a20': '石油焦2 # 市场均价(元/吨)', 'B6accfa9d2bf4735a50': '石油焦3 # 市场均价(元/吨)', 'B8a0ab5357569c385a9': '石油焦海绵焦市场均价(元/吨)', 'B19dcf45e22fbfd3e43': '石油焦海绵焦东北1 # A焦（低端）(元/吨)（百川）', 'B5832a62d1e0fba50b6': '石油焦海绵焦东北1 # A焦（高端）(元/吨)（百川）', 'B1de4fba026d4609cc7': '石油焦海绵焦东北1 # B焦（低端）(元/吨)（百川）', 'B38f89180736172490d': '石油焦海绵焦东北1 # B焦（高端）(元/吨)（百川）', 'B4f847871674c3d77f2': '石油焦海绵焦山东地炼1 # -3#焦（低端）(元/吨)', 'B1aefb8a64a5200adbd': '石油焦海绵焦山东地炼1 # -3#焦（高端）(元/吨)', 'B1df7d0afbfedfb628a': '煅烧焦东北低硫(高端S < 0.5)(元/吨)', 'B5f8f9859635876da28': '煅烧焦东北低硫(低端S < 0.5)(元/吨)', 'B2342a8c5a39fa00348': '煅烧焦华北中硫(高端S < 3.0，钒 < 400)(元/吨)', 'B051f27900397c6a35f': '煅烧焦山东中硫(高端S < 3.0，钒 < 400)(元/吨)', 'Be2a8050a48e86cae1f': '煅烧焦华东中硫(高端S < 3.0，钒 < 400)(元/吨)', 'B4a1811938f85065f6a': '煅烧焦华中中硫(高端S < 3.0，钒 < 400)(元/吨)', 'Bc197d4834ef7fb98ec': '煅烧焦华东高硫(高端S < 3.5，钒 < 400)(元/吨)', 'B62be5dbdb8c6454530': '煅烧焦低硫参考价格(元/吨)（百川）', 'Bdd813140bffc4edfa6': '煅烧焦中硫微量市场均价(元/吨)（百川）', 'B185a597decfc71915a': '预焙阳极山东低端(元/吨)（百川）', 'B1bcde6130de031bd42': '山西 改质沥青(元/吨)', 'Bb9f4a1f6dd32b4ad8a': '山东 改质沥青(元/吨)', 'C2411261557491549': '石油焦市场均价(元/吨)/4DMA', 'C2411271143174617': '石油焦市场均价(元/吨)/9DMA', 'ID01387649': '煅烧焦：中硫：3 % S，350V：市场价：华东地区（日）', 'ID01387655': '煅烧焦：中硫：3 % S，350V：市场价：山东（日）', 'RE00010076': '煅烧焦：低硫：生产毛利：东北地区（周）', 'B9d1acaf80383683da3': '石油焦总产量（周）(吨)', 'Bdaa719a38936c8dd76': '石油焦开工率（周）( % )', 'B9459d549a332b200e7': '石油焦行业总库存（周）(吨)', 'Bce6e098b9518370cff': '石油焦工厂库存（周）(吨)', 'B577ce2809772779710': '石油焦市场库存（周）(吨)', 'B5d8c564c62f3e6b77f': '石油焦成本（周）(吨)', 'B43baa98bcaa06c11a5': '石油焦利润（周）(吨)', 'Bdd0c1361d94081211c': '煅烧石油焦总产量（周）(吨)', 'B65315111fa28951b1e': '煅烧石油焦开工率（周）( % )', 'B2aff5f2632a20027d0': '煅烧石油焦行业总库存（周）(吨)', 'B29fbd31128cd71b212': '煅烧石油焦工厂库存（周）(吨)', 'B7a88313a89d1261c53': '煅烧石油焦成本（周）(吨)', 'Bd4fa36b4decec0aafa': '煅烧石油焦利润（周）(吨)', 'B9bd80eac7df81ffbd4': '预焙阳极总产量（周）(吨)', 'B27074786605f4660d2': '预焙阳极开工率（周）( % )', 'Bdc2a5985ecb56b6a0c': '预焙阳极行业总库存（周）(吨)', 'Bce8511f899e487e5b6': '预焙阳极工厂库存（周）(吨)', 'B13ec89105bd866a2bd': '预焙阳极成本（周）(吨)', 'B66c3abcfa15a2e611c': '预焙阳极利润（周）(吨)', 'Bf7efe3200f9abc0453': '电解铝开工率（周）( % )', 'Be193166f347267b1a7': '电解铝行业总库存（周）(吨)', 'Baa744fc97769353175': '电解铝工厂库存（周）(吨)', 'Bf9654603913cfc5282': '电解铝市场库存（周）(吨)', 'Bef1535c96da0d70fbc': '电解铝利润（周）(吨)', 'B7d1d0b24316d49cbdc': '煤沥青总产量（周）(吨)', 'B4303fb002ea1c214da': '煤沥青开工率（周）( % )', 'Be9a470c97e9efe660c': '煤沥青行业总库存（周）(吨)', 'B50d4d87f6b78bca587': '煤沥青工厂库存（周）(吨)', 'B46cc7d0a90155b5bfd': '煅烧焦山东高硫(高端S < 3.5，普货)(元/吨)' } edbcodelist = edbcodenamedict.keys() # 临时写死用指定的列,与上面的edbcode对应，后面更改 edbnamelist = ['ds', 'y']+[edbcodenamedict[edbcodename] for edbcodename in edbcodelist] # eta自有数据指标编码，石油焦铝用还没新增，暂且留空 modelsindex = { } # 百川数据指标编码 baichuanidnamedict = { '1588348470396480901': '石油焦滨州-友泰', '1588348470396480903': '石油焦东营-海科瑞林', '1588348470396480902': '石油焦东营-华联2', '1588348470396481080': '石油焦东营-华联3', '1588348470396480905': '石油焦东营-联合', '1588348470396481081': '石油焦东营-联合3', '1588348470396480915': '石油焦淄博-汇丰', '1588348470396480888': '石油焦沧州-鑫海', '1588348470396480917': '石油焦东营-万通', '1588348470396480925': '石油焦东营-齐润', '1588348470396481084': '石油焦东营-尚能4', '1588348470396480930': '石油焦潍坊-寿光鲁清', '1588348470396480929': '石油焦滨州-鑫岳' } # baichuanidnamedict = {'1588348470396475286': 'test1', '1666': 'test2'} # 北京环境测试用 # 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' # 内网 # server_host = '183.242.74.28' # 外网 login_pushreport_url = f"http://{server_host}:8080/jingbo-dev/api/server/login" # 上传报告 upload_url = f"http://{server_host}:8080/jingbo-dev/api/analysis/reportInfo/researchUploadReportSave" # 停更预警 upload_warning_url = f"http://{server_host}:8080/jingbo-dev/api/basicBuiness/crudeOilWarning/save" # 查询数据项编码 query_data_list_item_nos_url = f"http://{server_host}:8080/jingbo-dev/api/warehouse/dwDataItem/queryDataListItemNos" # 上传数据项值 push_data_value_list_url = f"http://{server_host}:8080/jingbo-dev/api/dw/dataValue/pushDataValueList" 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 = { "groupNo": '', # 用户组id "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 } } warning_data = { "groupNo": '', # 用户组id "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 } } push_data_value_list_data = { "funcModule": "数据表信息列表", "funcOperation": "新增", "data": [ {"dataItemNo": "91230600716676129", "dataDate": "20230113", "dataStatus": "add", "dataValue": 100.11 }, {"dataItemNo": "91230600716676129P|ETHYL_BEN|CAPACITY", "dataDate": "20230113", "dataStatus": "add", "dataValue": 100.55 }, {"dataItemNo": "91230600716676129P|ETHYL_BEN|CAPACITY", "dataDate": "20230113", "dataStatus": "add", "dataValue": 100.55 } ] } # 八大维度数据项编码 bdwd_items = { 'ciri': 'syjlyycbdwdcr', 'benzhou': 'syjlyycbdwdbz', 'cizhou': 'syjlyycbdwdcz', 'gezhou': 'syjlyycbdwdgz', 'ciyue': 'syjlyycbdwdcy', 'cieryue': 'syjlyycbdwdcey', 'cisanyue': 'syjlyycbdwdcsy', 'cisiyue': 'syjlyycbdwdcsiy', } # 北京环境数据库 # host = '192.168.101.27' # port = 3306 # dbusername = 'root' # password = '123456' # dbname = 'jingbo_test' # 京博测试环境 host = 'rm-2zehj3r1n60ttz9x5ko.mysql.rds.aliyuncs.com' port = 3306 dbusername = 'jingbo' password = 'shihua@123' dbname = 'jingbo-test' table_name = 'v_tbl_crude_oil_warning' baichuan_table_name = 'V_TBL_BAICHUAN_YINGFU_VALUE' # select BAICHUAN_ID, DATA_DATE, DATA_VALUE from V_TBL_BAICHUAN_YINGFU_VALUE where BAICHUAN_ID in ('1588348470396475286', '1666') # 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_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_update_predict_value = True # 是否上传预测值到市场信息平台 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 = '煅烧焦华东中硫(高端S < 3.0，钒 < 400)(元/吨)' avg_cols = [ ] offsite = 80 offsite_col = [] 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 = '石油焦铝用指标数据.xlsx' # 数据集文件 dataset = 'shiyoujiaolvyongdataset' # 数据集文件夹 # 数据库名称 db_name = os.path.join(dataset, 'jbsh_shiyoujiao_lvyong.db') sqlitedb = SQLiteHandler(db_name) sqlitedb.connect() settings = f'{input_size}-{horizon}-{train_steps}--{k}-{data_set}' # 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'石油焦铝用大模型日度预测报告--{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)