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 # ParentId ":1214,"，就是原油下所有的数据。 ClassifyId = 1161 # 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": "000127", "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 = { "funcModule": '原油特征停更预警', "funcOperation": '原油特征停更预警', "data": { "groupNo": "000127", '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 = 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 = False # 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 = 'PP指标数据.xlsx' # 数据集文件 dataset = 'juxitingdataset' # 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', datefmt='%Y-%m-%d %H:%M:%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)