🌡️ PolyWeather: 智能天气量化分析机器人

PolyWeather 是一款专为 Polymarket 等预测市场打造的天气分析工具。它通过聚合多源气象预报、实时机场 METAR 观测，并引入数学概率模型与 AI 决策支持，帮助用户更科学地评估天气博弈风险。

📊 实时查询效果：DEB 融合预测 + 结算概率 + Groq AI 决策

✨ 核心功能

1. 🧬 动态权重集合预报 (DEB 算法)

系统会自动追踪各个气象模型（ECMWF, GFS, ICON, GEM, JMA）在特定城市的历史表现：

误差加权：根据过去 7 天的平均绝对误差（MAE），动态调整各模型的权重。误差越小的模型，话语权越大。
融合预报：给出经过历史偏差修正后的"DEB 融合最高温"建议值。
自学习机制：系统需要至少 2 天的实测记录才会启动权重分化。冷启动期间以等权平均过渡。
准确率追踪：通过 /deb 命令查看 DEB 融合预测的历史 WU 结算命中率和 MAE，并与各个单一模型对比。
自动清理：只保留最近 14 天的记录，防止数据无限增长。

2. 🎲 数学概率引擎 (Settlement Probability)

基于集合预报的正态分布拟合，自动计算每个 WU 结算整数温度的概率：

分布中心 μ：以 DEB/多模型中位数（70% 权重）和集合中位数（30%）的加权均值为中心。当实测最高温已超过 μ 且仍在升温时，自动向上修正。
标准差 σ：由 51 成员集合预报的 P10/P90 反推（σ = (P90-P10) / 2.56）。
时间衰减：σ 会根据当前时间与预计最热时段的关系动态收窄：
- 峰值前：σ × 1.0（最大不确定性）
- 峰值窗口内：σ × 0.7（正在定型）
- 峰值后：σ × 0.3（大局已定）
实测过滤：已实测到的最高温对应 WU 值以下的候选温度自动排除（不可能回退）。
区间积分：对每个 WU 取整区间 [N-0.5, N+0.5) 做正态积分，得到结算落入该整数的概率。
展示格式：🎲 结算概率 (μ=3.7)：4°C [3.5~4.5) 68% | 3°C [2.5~3.5) 32%

3. 🤖 AI 深度分析 (Groq LLaMA 3.3 70B)

将风速、风向、云量、太阳辐射、METAR 趋势等全部投喂给 LLaMA 70B 大模型：

逻辑推演：用 2-3 句话深度分析机场动力因子对升温的促进/阻碍，明确引用 Open-Meteo 预报值和 DEB 融合值作为对标。
时间感知：分析中会考虑当前时间距预计最热时段的距离，判断剩余升温空间。
盘口判定：明确给出预计最热时段和具体博弈温度区间。降温确认后直接给出死盘结论。
置信度评分：1-10 分量化置信度参考。
高可用保障：内置自动重试 + 备用模型降级机制（70B → 8B），抵御 Groq API 503/500 故障。

4. ⏱️ 实时机场观测 (Zero-Cache METAR)

精确时间：从 METAR 原始报文 (rawOb) 中提取真实观测时间，而非 API 取整后的 reportTime，精确到分钟。
实时穿透：通过动态请求头绕过 CDN 缓存，获取机场第一手 METAR 报文。
结算预警：自动计算 Wunderground 结算边界（X.5 进位线），提醒潜在波动。
异常过滤：自动过滤 MGM 等数据源的 -9999 哨兵值，避免垃圾数据污染输出。

5. 📈 历史数据采集

提供 fetch_history.py 脚本，可一键获取各城市过去 3 年的小时级历史气象数据（温度、湿度、辐射、气压等 10+ 维度），为后续机器学习模型（XGBoost/MOS）提供数据基础。

⚡ 部署说明

环境要求

Python 3.11+
依赖安装: pip install -r requirements.txt
环境变量: 在 .env 中设置 TELEGRAM_BOT_TOKEN 和 GROQ_API_KEY。

VPS 快捷部署

克隆仓库并安装依赖。
配置 .env 文件。
使用以下脚本实现一键更新与重启：

cat > ~/update.sh << 'EOF'
#!/bin/bash
cd ~/PolyWeather
git fetch origin
git reset --hard origin/main
pkill -f bot_listener.py
sleep 1
nohup python3 bot_listener.py > bot.log 2>&1 &
echo "✅ PolyWeather 已重启！"
EOF
chmod +x ~/update.sh

🕹️ 机器人指令

指令	说明
`/city [城市名]`	获取深度气象分析、结算概率、实测追踪及 AI 决策建议。
`/deb [城市名]`	查看 DEB 融合预测的历史准确率（WU 命中率、MAE）和模型对比。
`/id`	查看当前对话的 Chat ID。
`/help`	显示说明信息。

支持城市示例

lon(伦敦)、par(巴黎)、ank(安卡拉)、nyc(纽约)、chi(芝加哥)、dal(达拉斯)、mia(迈阿密)、atl(亚特兰大)、sea(西雅图)、tor(多伦多)、sel(首尔)、ba(布宜诺斯艾利斯)、wel(惠灵顿) 等。

🏗️ 系统架构

graph TD
    User[用户] -->|查询指令| Bot[bot_listener.py 核心调度器]

    subgraph 数据获取层
        Bot --> Collector[WeatherDataCollector]
        Collector --> OM[Open-Meteo 预报/集合]
        Collector --> MM[多模型 ECMWF/GFS/ICON/GEM/JMA]
        Collector --> METAR["机场实时 METAR (rawOb精确时间)"]
    end

    subgraph 算法层
        Collector --> Peak[峰值时段预测]
        Collector --> DEB[DEB 动态权重融合]
        DEB --> DB[(daily_records 数据库)]
        Peak --> Prob[正态分布概率引擎]
        Collector --> Prob
        Collector --> Logic[结算边界 / 趋势分析]
    end

    subgraph AI 决策层
        DEB --> AI[Groq LLaMA 70B]
        Prob --> AI
        Logic --> AI
        METAR --> AI
    end

    AI -->|盘口 + 逻辑 + 置信度| Bot
    Bot -->|DEB融合 + 概率 + AI分析| User

💡 交易提示

紧盯结算概率：概率引擎基于数学模型计算，比 AI 的主观判断更客观。当某个温度概率 > 65%，说明方向较为明确。
关注时间衰减：概率会随时间推进自动锁定。峰值过后，概率引擎自动缩窄 σ，结果高度集中在实测最高值附近。
参考 DEB 融合值：当多模型分歧较大时，DEB 的修正值通常比单一预报更具参考意义。
观察 AI 置信度：置信度低于 5 分时，说明当前气象环境处于高度不确定状态，建议观望。
注意结算边界：实测最高温接近 X.5 时，需警惕 Wunderground 结算时的进位跳动。
分布中心 μ：概率展示中的 μ 值代表算法预期的最可能实际最高温，可与 Polymarket 盘口价格直接对比。

更新于 2026-03-01

6.9 KiB Raw Blame History Unescape Escape