feat: 添加 cloudflare_pages、mysql_d1_backup_scheduler，更新 start_system、ensemble_models 及配置文件

ensemble_models_feb_2026_back_onnx.py

@@ -99,7 +99,7 @@ def fmt_result(pred, actual):
 
 def main():
     print("=" * 110)
-    print("2026年2月 BTC 1h 涨跌预测准确率测试 (DLinear, N-BEATS, TTM-R2) - ONNX Version")
+    print("2026年3月 BTC 1h 涨跌预测准确率测试 (DLinear, N-BEATS, TTM-R2) - ONNX Version")
     print("输入：预测K线的前一根 | 对比：预测结果 vs 预测K线收盘价 | 时间：北京时间(UTC+8)")
     print("DLinear预测逻辑：整个df一次性预处理，按索引遍历窗口")
     print("=" * 110)
@@ -168,9 +168,9 @@ def main():
         ttm_session = None
 
     # ========== 步骤2: 获取测试数据 ==========
-    print("\n[2/4] 获取2026年2月数据...")
+    print("\n[2/4] 获取2026年3月数据...")
     fetcher = BinanceDataFetcher()
-    df = fetcher.fetch_ohlcv('BTC', '1h', start_date='2025-10-01', end_date='2026-03-01', use_cache=False)
+    df = fetcher.fetch_ohlcv('BTC', '1h', start_date='2026-01-01', end_date='2026-04-01', use_cache=False)
 
     print(f"数据范围(UTC): {df['timestamp'].min()} -> {df['timestamp'].max()}")
     print(f"总行数: {len(df)}")
@@ -221,28 +221,38 @@ def main():
     X_ttm = np.array(X_ttm, dtype=np.float32)
     idx_ttm_map = {v: k for k, v in enumerate(idx_ttm)}
 
-    # 找出2月（北京时间）的所有预测目标K线索引
+    # 找出3月（北京时间）的所有预测目标K线索引
     # df 中每一行都是一根已收盘的K线，timestamp 是 UTC
     jan_targets = []
     for target_idx in range(1, len(df)):
-        target_time_utc = df.iloc[target_idx]['timestamp']
+        # 同样在筛选样本时也将时间向后移动一个小时
+        target_time_utc = df.iloc[target_idx]['timestamp'] + timedelta(hours=1)
         target_time_bj = utc_to_beijing(target_time_utc)
-        if target_time_bj.year == 2026 and target_time_bj.month == 2:
+        if target_time_bj.year == 2026 and target_time_bj.month == 3:
             jan_targets.append(target_idx)
 
-    print(f"2月（北京时间）目标K线数: {len(jan_targets)}")
+    print(f"3月（北京时间）目标K线数: {len(jan_targets)}")
 
     results = []
 
     for target_idx in jan_targets:
-        target_time_utc = df.iloc[target_idx]['timestamp']
+        # 原始timestamp表示k线的开始时间，因此预测的结果实际对应下一小时的k线。
+        # 所以展示时需要将时间向后移动1小时。
+        target_time_utc = df.iloc[target_idx]['timestamp'] + timedelta(hours=1)
         target_time_bj = utc_to_beijing(target_time_utc)
 
-        # 输入K线索引（前一根）
-        input_idx = target_idx - 1
-        current_close = df.iloc[input_idx]['close']
-        target_close = df.iloc[target_idx]['close']
-        actual_label = 1 if target_close > current_close else 0
+        # 现在我们将预测目标设为下一根k线（即target_idx+1），
+        # 输入使用它的前一根（等于原先的target_idx）。
+        predicted_idx = target_idx + 1
+        if predicted_idx >= len(df):
+            # 已经到达数据末尾，无法构建完整样本，跳过
+            continue
+        input_idx = target_idx
+        # 开盘/收盘对应预测k线
+        open_price = df.iloc[predicted_idx]['open']
+        close_price = df.iloc[predicted_idx]['close']
+        # 实际涨跌以预测k线的开盘为基准
+        actual_label = 1 if close_price > open_price else 0
 
         # --- DLinear 预测 (ONNX) ---
         dl_pred = None
@@ -304,8 +314,8 @@ def main():
         results.append({
             'time_utc': target_time_utc,
             'time_bj': target_time_bj,
-            'current_close': current_close,
-            'target_close': target_close,
+            'open': open_price,
+            'close': close_price,
             'actual': actual_label,
             'dlinear': dl_pred,
             'nbeats': nb_pred,
@@ -324,7 +334,7 @@ def main():
 
     total_samples = len(df_res)
 
-    print(f"\n[4/4] 准确率统计 (2026年2月，北京时间)")
+    print(f"\n[4/4] 准确率统计 (2026年3月，北京时间)")
     print(f"总样本数: {total_samples}")
 
     # ========== 每小时详细数据 ==========
@@ -332,8 +342,9 @@ def main():
     print("每小时详细数据")
     print("=" * 110)
 
+    # 改为显示开盘/收盘
     hourly_header = (
-        f"{'北京时间':<18} {'前收盘':>10} {'现收盘':>10} {'实际':>4} "
+        f"{'北京时间':<18} {'开盘':>10} {'收盘':>10} {'实际':>4} "
         f"{'DL':>3} {'':>1} {'NB':>3} {'':>1} {'TTM':>3} {'':>1} {'集成':>4} {'':<1}"
     )
 
@@ -371,7 +382,7 @@ def main():
             ens_r = fmt_result(row['ensemble'], row['actual'])
 
             print(
-                f"{time_str:<18} {row['current_close']:>10.2f} {row['target_close']:>10.2f} {actual_str:>4} "
+                f"{time_str:<18} {row['open']:>10.2f} {row['close']:>10.2f} {actual_str:>4} "
                 f"{dl_str:>3} {dl_r:>1} {nb_str:>3} {nb_r:>1} {ttm_str:>3} {ttm_r:>1} {ens_str:>4} {ens_r:<1}"
             )