Запросы для составления прогнозов

Зональный пликатор

Дледняя мизоналя

Дледняя мизоналя

Ниже представлен запрос который который делает все это и объединяет данные о строках заказов с географическими точками для зонального анализа в заданном диапазоне дат.

SELECT 
    h.bucket AS timestamp, 
    vp.tt_id AS segment, 
    SUM(cnt * coeff) AS target 
FROM vv_lines_ts_hash_hourly h 
JOIN test_vv_points vp ON vp.geohash = h.geohash 
WHERE bucket BETWEEN '{from_date}' AND '{to_date}' 
GROUP BY vp.tt_id, h.bucket;

Запрос берет значения из:

• vv_lines_ts_hash_hourly — представледняяие миля

Дактнные выработки кассиров Розница

В прогноз

Ниже представлен запрос данных о погоде с дополнением последними значениями на конечную дату.

WITH t AS (
    SELECT 
        w.weather_station_id AS station_id, 
        w.date, 
        w.temperature, 
        w.humidity, 
        w.wind_speed, 
        ROW_NUMBER() OVER (PARTITION BY w.weather_station_id ORDER BY w.date DESC) AS rn 
    FROM weather w 
    JOIN weather_stations st ON st.id = w.weather_station_id 
    WHERE st.active AND date BETWEEN '{from_date}' AND '{to_date}'
)
SELECT 
    station_id, 
    date, 
    temperature, 
    humidity, 
    wind_speed 
FROM t 
UNION 
SELECT 
    station_id, 
    '{to_date}', 
    temperature, 
    humidity, 
    wind_speed 
FROM t 
WHERE t.rn = 1 
ORDER BY station_id, date;

Запрос берет значения из:

• weather — содержит исторические данные о погоде по станциям и датам.

• weather_stations — содержит информацию о погодных станциях.

Запрос формирует следующие поля:

На основе метеорологических данных рассчитывается эквивалентная температура, которая используется в качестве входных данных для регрессионного анализа.

crontab37 -l #(37 m- htemperature) dom/ mon(0.68 dow- command
30 30.0014 * *humidity] *+ cd1 /home/dtimakin-ally/rp5_weather &&(1.76 python3.9+ main.py
0 1.4 * *pow(wind_speed, 0.75))) - 0.29 * cdtemperature * (1 - humidity /home/dtimakin-ally/forecast &&100)

В main.pyэтой forecastформуле:

• Вычисляется разница между 37°C и фактической температурой: (37 --model model.ziptemperature). Это базовый "дефицит тепла".
• Вычисляется фактор сопротивления: (0.68 --type vv0.0014 --ts_type* 4humidity --days+ 141 15/ (1.76 + 1.4 * *pow(wind_speed, 0.75))). Он увеличивается при высокой влажности (меньше охлаждения) и уменьшается при сильном ветре (больше охлаждения).
• Делится разница на фактор сопротивления и вычитается из 37: это даёт основную ощущаемую температуру с учетом конвекции.
• Вычитается корректировка на испарение: 0.29 * cd /home/dtimakin-ally/forecast && python3.9 main.py forecast --model lines.zip --type lines --ts_type 5 --days 14 30 4temperature * *(1 *- cdhumidity /home/dtimakin-ally/forecast &&100), python3.9которая main.pyдополнительно fitохлаждает --modelв model_new_2.zipсухих --условиях.

Календарные данные

В прогнозах используются данные производственного календаря из таблицы и календарь Православных Христианских праздников.

Ниже представлен запрос календарных данных:

SELECT 
    date, 
    type vv_newAS 30holiday 
5FROM *calendar 
*WHERE *date cdBETWEEN /home/dtimakin-ally/forecast'{from_date}' &&AND python3.9'{to_date}' 
main.pyORDER fitBY --model model_lines_new.zip --type vv_lines_new
30 6 * * * cd /home/dtimakin-ally/forecast && python3.9 main.py forecast --model model_new_2.zip --type vv_new --ts_type 6 --days 14
45 6 * * * cd /home/dtimakin-ally/forecast && python3.9 main.py forecast --model model_lines_new.zip --type vv_lines_new --ts_type 7 --days 14
10 9 * * * cd /home/dtimakin-ally/forecast_day && python3.9 main.py forecast --model day_hours.zip --type day_hours --ts_type 52 --days 21 --freq D
40 9 * * * cd /home/dtimakin-ally/forecast_day && python3.9 main.py forecast --model day_cash_hours.zip --type day_cash_hours --ts_type 53 --days 21 --freq D
date;

Запрос берет значения из:

• calendar — табель-календарь, заполняемый через систему репликации

Запрос формирует следующие поля:

Данные о православных праздниках хранятся в файле: calendar.csv