7409fabc58
=== 컬럼명칭 통일 (c{prefix} → C-{prefix}11) ===
Python 분석스크립트: data pkl 경로 →
gen_temp_profiles: tempref 파일명 →
SteamAdvisorController: TagsFor() 숫자서픽스 → 풀컬럼키(C-6111), ToSuffix() 변환
steam.js: ST_TEMP_COLS ['61',...] → ['C-6111',...], selectbox defaultColumn
appsettings.json: Columns 키 c61/c62/... → C-6111/C-6211/..., DefaultColumn c6111→C-6111
run_column.py: 추출/분석시 col_key = f"C-{{prefix}}11"
C-{x}11_{model,tempref}.json: 신규 명칭 기준 기준프로파일/모델 7컬럼분
=== SteamAdvisor 수정 ===
SteamModel: [JsonPropertyName] 매핑(snake_case → PascalCase 역직렬화)
예외처리: LinearCoeffs.Count < 3 방어코드
steam.js: catch(_) {} → 에러메시지 표시, missing_tags 응답처리
=== Feedforward Controller 개선 ===
ff.js: 상승/하강 양방향 램프 confirm, 방향뱃지(↑↓), Normal 모드 표시
FeedforwardController: 업램프 단독제한 제거(양방향), tcReturnTcTarget/Band 노출
=== DB ===
Hc900DbContext: realtime_table_tagname_key 레거시 UNIQUE 제약/인덱스 DROP 로직
Hc900Controllers: ToDictionaryAsync → GroupBy 변환 (중복 tagname 대응)
=== SIGPIPE 대응 ===
gateway.cpp: signal(SIGPIPE, SIG_IGN) 메인스레드 설치
modbus_tcp.cpp: send() flags 0 → MSG_NOSIGNAL (EPIPE 복구)
sigpipe_ignore.c: LD_PRELOAD 우회 공유라이브러리
Hc900GatewayProcessService: LD_PRELOAD 환경변수 설정
86 lines
3.8 KiB
Python
86 lines
3.8 KiB
Python
"""
|
|
롤링(walk-forward) 재학습 — OOD/외삽 바이어스 해소 데모.
|
|
|
|
형제 컬럼 호환: --data, --prefix CLI 인자.
|
|
"""
|
|
import argparse
|
|
import numpy as np
|
|
import pandas as pd
|
|
import matplotlib
|
|
matplotlib.use("Agg")
|
|
import matplotlib.pyplot as plt
|
|
from sklearn.metrics import mean_absolute_error
|
|
from c6111_shadow import SteamPredictor, FEATURES, BASE, SMOOTH
|
|
|
|
HELDOUT_START = "2026-05-01"
|
|
RETRAIN_EVERY = "1D"
|
|
|
|
|
|
def main():
|
|
parser = argparse.ArgumentParser()
|
|
parser.add_argument("--data", default=BASE + "C-6111_data.pkl")
|
|
parser.add_argument("--prefix", default="C-6111")
|
|
args = parser.parse_args()
|
|
df = pd.read_pickle(args.data)
|
|
df = df[df["mode"] == "PROD"].copy()
|
|
df = df[(df["feed"] > 50) & (df["steam_flow"] > 10) & (df["steam_op"] > 1)
|
|
& df[FEATURES + ["steam_op"]].notna().all(axis=1)].sort_values("dtat")
|
|
# 인과(trailing) 평활 — 미래누설 없음
|
|
for c in FEATURES:
|
|
df[c + "_s"] = df[c].rolling(SMOOTH, min_periods=1).median()
|
|
|
|
ho = pd.Timestamp(HELDOUT_START)
|
|
if df["dtat"].max() < ho:
|
|
print(f"데이터 종료 {df.dtat.max()} < HELDOUT_START({ho}) — 롤링 재학습 불가. (컬럼 가동기간이 5월 이전)")
|
|
return
|
|
|
|
days = pd.date_range(ho, df["dtat"].max(), freq=RETRAIN_EVERY)
|
|
|
|
# 정적 모델: 5월 이전 전체로 1회 학습
|
|
static = SteamPredictor().fit(df[df["dtat"] < ho])
|
|
slo, shi = (df[df["dtat"] < ho][FEATURES].quantile(0.01),
|
|
df[df["dtat"] < ho][FEATURES].quantile(0.99))
|
|
|
|
rows = []
|
|
for d0, d1 in zip(days[:-1], days[1:]):
|
|
day = df[(df["dtat"] >= d0) & (df["dtat"] < d1)]
|
|
if len(day) < 30:
|
|
continue
|
|
train = df[df["dtat"] < d0] # expanding: 그 날 이전 전체
|
|
roll = SteamPredictor().fit(train)
|
|
lo, hi = train[FEATURES].quantile(0.01), train[FEATURES].quantile(0.99)
|
|
Xs = day[[c + "_s" for c in FEATURES]].values
|
|
ao = day["steam_op"].values
|
|
po_r = roll.flow_to_op(roll.predict_flow(Xs))
|
|
po_s = static.flow_to_op(static.predict_flow(Xs))
|
|
ood_r = (~((day[FEATURES] >= lo) & (day[FEATURES] <= hi)).all(axis=1)).mean()
|
|
rows.append(dict(day=d0,
|
|
mae_roll=mean_absolute_error(ao, po_r),
|
|
mae_static=mean_absolute_error(ao, po_s),
|
|
w2_roll=np.mean(np.abs(po_r - ao) <= 2) * 100,
|
|
w2_static=np.mean(np.abs(po_s - ao) <= 2) * 100,
|
|
ood_roll=ood_r * 100))
|
|
r = pd.DataFrame(rows)
|
|
|
|
print(f"=== 5월 held-out, 일별 walk-forward 재학습 ({len(r)}일) ===")
|
|
print(f"정적 모델 : OP MAE {r.mae_static.mean():.2f}% |Δ|≤2% {r.w2_static.mean():.1f}%")
|
|
print(f"롤링 모델 : OP MAE {r.mae_roll.mean():.2f}% |Δ|≤2% {r.w2_roll.mean():.1f}%")
|
|
print(f"롤링 OOD 비율: 첫주 {r.head(7).ood_roll.mean():.0f}% → 마지막주 {r.tail(7).ood_roll.mean():.0f}%")
|
|
print("\n일별(요약):")
|
|
print(r[["day", "mae_static", "mae_roll", "w2_roll", "ood_roll"]]
|
|
.assign(day=r.day.dt.strftime("%m-%d")).round(1).to_string(index=False))
|
|
|
|
fig, ax = plt.subplots(2, 1, figsize=(14, 8), sharex=True)
|
|
ax[0].plot(r.day, r.mae_static, "r.-", label="static (Feb-Apr model)")
|
|
ax[0].plot(r.day, r.mae_roll, "g.-", label="rolling retrain")
|
|
ax[0].axhline(2, color="gray", ls=":", label="2% 허용")
|
|
ax[0].set_ylabel("OP MAE %"); ax[0].legend(); ax[0].set_title("Rolling vs static — adaptation over May")
|
|
ax[1].plot(r.day, r.ood_roll, "b.-"); ax[1].set_ylabel("rolling OOD %")
|
|
ax[1].set_title("OOD fraction (학습 envelope 밖) — 5월 데이터 흡수하며 감소")
|
|
fig.tight_layout(); fig.savefig(BASE + f"{args.prefix}_rolling.png", dpi=95)
|
|
print(f"\n플롯 저장: {BASE}{args.prefix}_rolling.png")
|
|
|
|
|
|
if __name__ == "__main__":
|
|
main()
|