预测最高温时刻 - 策略更新总结

已实现的功能

1. 温度走势图表和预测 API

2. 前端温度走势图表

- 今日温度曲线（实测 + 预报）

- 7天平均曲线 + 范围带

- 预测最高温时刻标记

- 当前温度标记

- 当前温度

- 今日已观测最高温

- 预测最高温

- 预测最高时刻

- 7天平均最高温

3. 核心策略更新 (weather_arb_scanner.py)

新增函数:

def get_predicted_peak_hour(lat, lon, tz, days=7):
    """获取基于过去N天平均模式的预测最高温时刻"""
    # 返回: (predicted_hour, confidence, avg_curve, today_curve)

更新函数:

def analyze_temp_curve(today_hourly, now_str, tz_name,
                       all_clouds, all_precip, all_humidity, 
                       all_wind, all_codes, all_times,
                       lat=None, lon=None):  # 新增经纬度参数

主要改进:

1. 时间判断逻辑更新:

- 旧: 固定判断下午2-5点 (local_hour >= 14, local_hour >= 15, etc.)

- 新: 基于预测最高温时刻 (hours_to_peak = predicted_peak_hour - local_hour)

2. 新增返回字段:

- predicted_peak_hour: 预测的最高温时刻 (0-23)

- peak_prediction_confidence: 预测置信度 (0-1)

- hours_to_predicted_peak: 距离预测峰值的小时数

3. 策略影响:

- 更准确地判断温度是否已过峰值

- 提供量化的"距离峰值时间"信息

- 支持动态交易策略调整

4. 其他策略文件更新

weather_paper_trader.py:

polyweather_scraper.py:

策略应用示例

交易策略调整:

# 基于预测最高温时刻的策略
hours_to_peak = curve_analysis.get('hours_to_predicted_peak', 0)

if hours_to_peak > 2:
    # 距离峰值还有2小时以上 → 温度可能继续上升
    strategy = "买入较高温度合约"
elif hours_to_peak > 0:
    # 接近峰值 → 谨慎操作
    strategy = "部分获利了结"
else:
    # 已过峰值 → 温度可能下降
    strategy = "卖出较高温度合约"

概率估计优化:

测试验证

深圳测试结果:

Predicted peak hour: 13:00
Confidence: 0.86
Hours to predicted peak: -2 (当前时间15:00，已过峰值2小时)
Peak passed: True
Confidence: 0.72

后续优化方向

1. 季节性调整: 考虑季节对每日温度曲线的影响

2. 天气条件加权: 云量、降水对峰值时间的影响

3. 机器学习模型: 使用历史数据训练更准确的预测模型

4. 实时更新: 结合实时观测数据动态调整预测

5. 多城市优化: 不同气候类型城市的个性化预测

部署状态

✅ 已完成部署:

🔄 待更新:

性能考虑

1. API调用: Open-Meteo API 免费版足够使用

2. 缓存: 10分钟缓存减少API调用

3. 计算复杂度: O(24×7) 简单计算，性能无影响

4. 数据新鲜度: 实时数据 + 7天历史，足够准确

🐛 Bug Fix: progress_prediction 覆盖真实峰值 (2026-04-27)

问题描述

峰值已过场景下，progress_prediction（内陆站外推值）覆盖了 LLM 的真实峰值判断，导致预测输出错误。

案例

错误表现

根因

预测管线中 progress_prediction 外推信号的权重在峰值已过场景下未被压制，覆盖了：

1. LLM 的真实峰值判断（peak_passed=True）

2. 实际观测值（hko_max_midnight=27.9°C）

3. 日变曲线下降趋势（14-16时 EMA 从 26.6→26.1°C）

修复方案

当 peak_passed=True 且 hko_max_midnight < progress_prediction 时：

验证

重新触发预测后，系统正确输出 predicted_max=27.9, settlement=27。

监控指标

1. 预测准确率: 预测vs实际峰值时间差异

2. 策略表现: 使用预测信息的交易策略回报率

3. API可用性: Open-Meteo API 成功率

4. 用户使用: 温度走势图表的访问量