2569718930@qq.com
154 lines
6.9 KiB
Markdown
154 lines
6.9 KiB
Markdown
# 🌡️ 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。
|
||
|
||
<p align="center">
|
||
<img src="docs/images/demo_ankara.png" alt="PolyWeather 效果展示 - 安卡拉实时分析" width="420">
|
||
<br>
|
||
<em>📊 实时查询效果：DEB 融合预测 + 结算概率 + Groq AI 决策</em>
|
||
</p>
|
||
|
||
---
|
||
|
||
## ✨ 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
|
||
|
||
1. 克隆仓库并安装依赖。
|
||
2. 配置 `.env` 文件。
|
||
3. 使用以下脚本实现一键更新与重启：
|
||
|
||
```bash
|
||
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
|
||
|
||
```mermaid
|
||
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
|
||
|
||
1. **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。
|
||
2. **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。
|
||
3. **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。
|
||
4. **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。
|
||
5. **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。
|
||
6. **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_
|