# 智能双色球预测分析工具 **Repository Path**: SuvanSo/SSQPredictor ## Basic Information - **Project Name**: 智能双色球预测分析工具 - **Description**: No description available - **Primary Language**: Python - **License**: Apache-2.0 - **Default Branch**: master - **Homepage**: None - **GVP Project**: No ## Statistics - **Stars**: 0 - **Forks**: 0 - **Created**: 2025-11-06 - **Last Updated**: 2025-11-06 ## Categories & Tags **Categories**: Uncategorized **Tags**: None ## README # 智能双色球预测分析工具 #### 介绍 一、工具概述 智能双色球预测分析工具是一款基于数据挖掘、分形几何、机器学习技术的智能化预测系统，通过全流程自动化处理从数据采集到号码推荐的完整链路，结合多模型融合与蒙特卡罗模拟验证，为双色球红球预测提供数据支撑。工具核心优势在于 “全流程自动化”“多维度特征工程”“多模型融合降噪”“概率化结果输出”，避免单一模型的局限性，提升预测结果的稳定性与参考价值。 二、核心技术流程（全链路自动化） 工具的核心逻辑围绕 “数据 - 特征 - 模型 - 预测” 四大环节展开，每个环节均实现自动化处理，无需人工干预，具体流程如下： （一）数据采集与预处理：筑牢预测基础 1. 自动化数据爬取 内置爬虫模块，定向爬取官方发布的最近 89 期双色球历史开奖数据（含红球 1-33 号码、蓝球 1-16 号码、开奖日期等核心信息），确保数据来源的权威性与准确性。 支持数据自动去重、缺失值填充：若某期数据存在缺失或异常，工具将通过相邻期数据插值补全，同时剔除重复记录，保证数据集的完整性。 2. 01 序列化转换 针对双色球 “开奖号码为离散类别” 的特性，将历史开奖数据进行 01 序列化处理：对于每个红球号码（r1-r33），若该号码在某期开奖中出现，标记为 “1”，未出现则标记为 “0”。 最终生成 33 个独立的二分类标签（r1_next-r33_next），分别对应 “下一期该号码是否出现” 的预测目标，将预测问题转化为可量化的机器学习任务。 （二）多维度特征工程：挖掘数据潜在规律 特征工程是工具的核心竞争力，通过 “分形特征 + 30 + 基础特征” 的多维度组合，全面捕捉彩票数据的潜在分布规律与关联模式： 1. 分形特征计算：捕捉数据非线性规律 基于分形几何理论，针对红球开奖序列的 “混沌特性”，计算 3 类核心分形特征，挖掘数据的非线性关联： 分形维度（Fractal Dimension）：量化开奖序列的复杂程度与填充密度，反映号码分布的不规则性； 分形拟合优度（Fractal R²）：评估开奖序列与分形模型的拟合程度，筛选具有统计意义的规律； 盒计数相关特征（Average Box Count、Scale Span 等）：通过不同尺度下的盒计数分析，捕捉号码分布的自相似性。 最终输出 13 个分形特征变量，覆盖不同尺度下的序列规律。 2. 30 + 基础特征计算：覆盖传统统计维度 围绕历史开奖数据，提取 30 余种基础统计特征，覆盖 “频率、遗漏、分布、 volatility” 四大维度： 频率特征：号码最近 N 期出现次数、热号 / 冷号判定（如最近 13 期 / 34 期 / 55 期出现频率）； 遗漏特征：号码当前连续未出现期数、历史最大遗漏期数、平均遗漏期数； 分布特征：红球区间分布占比（如前 11 位、中间 11 位、后 11 位号码占比）、奇偶比、大小比； 波动特征：号码出现概率的波动率、相邻期号码变化幅度、区间转移概率等。 30 + 基础特征与分形特征形成互补，既覆盖传统统计规律，又捕捉非线性关联。 3. 特征融合与筛选 特征合并：将分形特征（13 个）与 30 + 基础特征、原始红球号码特征整合，形成初始特征集（共 101 个特征变量）； 特征筛选：通过方差分析（ANOVA）、相关性检验剔除冗余特征（如相关系数 > 0.9 的高度冗余特征），保留对预测目标贡献度最高的有效特征，避免维度灾难，提升模型训练效率。 （三）多模型训练：构建稳健预测基础 工具采用 5 个经典机器学习模型进行独立训练，覆盖不同算法逻辑，为后续模型融合提供多样化基础模型： 1. 5 个基础模型介绍 模型类型 核心原理 优势与适配场景 XGBoost（极端梯度提升树） 基于梯度提升框架，通过集成多棵决策树降低过拟合，捕捉特征非线性交互 对高维特征鲁棒性强，擅长挖掘特征间的复杂关联 LightGBM（轻量梯度提升树） 基于直方图优化的梯度提升树，训练速度快、内存占用低 适配大规模特征，兼顾效率与预测精度 Random Forest（随机森林） 集成多棵独立决策树，通过投票机制降低单一模型方差 抗过拟合能力强，对异常值不敏感 Logistic Regression（逻辑回归） 基于线性回归的二分类模型，输出概率值，可解释性强 作为基准模型，平衡复杂模型的过拟合风险 LSTM（长短期记忆网络） 深度学习模型，擅长捕捉序列数据的时间依赖关系 适配彩票数据的时序特性，挖掘长期历史规律 2. 模型训练与优化 数据划分：采用 “最近 89 期数据” 中的前 71 期作为训练集（80%），后 18 期作为验证集（20%），确保训练数据的时效性； 超参数优化：每个模型通过贝叶斯优化算法搜索最优超参数（如 XGBoost 的学习率、树深度，LSTM 的隐藏层维度、dropout 比例等），避免人工调参的主观性； 类别平衡处理：针对双色球 “中奖号码稀疏” 导致的类别不平衡问题，采用 SMOTE 过采样与类别权重调整结合的方式，提升模型对 “1 类（号码出现）” 的识别能力。 （四）模型融合：生成最终预测模型 为解决单一模型的局限性，工具采用 “Stacking（堆叠）融合” 策略，将 5 个基础模型的输出作为元特征，训练最终的融合模型，实现 “优势互补、降噪提效”： 1. 融合逻辑 第一层（基础模型层）：5 个基础模型分别对 33 个红球标签进行预测，输出 “号码出现概率”（0-1 之间的数值）； 第二层（元模型层）：将 5 个基础模型的预测概率作为 “元特征”，拼接成新的特征矩阵，训练 LightGBM 作为元模型； 模型保存：最终生成 33 个独立的融合模型（对应 r1_next-r33_next），每个模型专门预测对应号码下一期是否出现，确保预测的针对性。 2. 融合优势 降低单一模型的过拟合风险：通过多模型投票式融合，过滤个别模型的异常预测； 提升预测稳定性：不同模型捕捉不同维度的规律，融合后结果更具统计意义； 概率化输出：最终输出每个号码的出现概率，而非绝对化的 “出现 / 不出现”，为后续筛选提供灵活空间。 三、预测流程与结果输出 基于训练完成的融合模型，工具可快速完成一次完整预测，具体步骤如下： （一）预测数据预处理 爬取最新一期开奖数据（第 89 期），自动完成 01 序列化、分形特征计算、30 + 基础特征计算、特征融合，生成与训练数据格式一致的 101 维特征向量。 （二）融合模型预测 加载 33 个训练好的融合模型，分别对 “r1_next-r33_next” 33 个标签进行预测，输出每个号码下一期出现的概率值（0-1）。 （三）10 万次蒙特卡罗模拟验证 为评估预测结果的统计显著性，工具引入蒙特卡罗模拟机制： 基于融合模型输出的概率分布，进行 10 万次随机抽样预测，每次抽样按 “概率权重” 选择 7 个号码（模拟双色球红球开奖逻辑）； 统计 10 万次模拟中每个号码的选中次数与选中占比，筛选出 “高频出现且概率稳定” 的号码，降低随机波动带来的误差。 （四）最终号码筛选 结合 “融合模型概率” 与 “蒙特卡罗模拟结果”，采用双重筛选逻辑： 第一轮筛选：保留融合模型预测概率≥0.25 的号码（覆盖高、中、低概率区间，避免遗漏潜力号码）； 第二轮筛选：结合 10 万次蒙特卡罗模拟的选中占比，优先选择 “概率高且模拟选中频率高” 的号码； 最终输出：筛选出 6 个号码作为最终预测结果，并标注每个号码的 “出现概率”“概率等级（高 / 中 / 低）”“蒙特卡罗选中占比”，同时输出整体置信度（所有推荐号码的平均概率），为用户提供完整的参考信息。 四、工具核心优势 全流程自动化：从数据爬取、特征计算、模型训练到预测输出，全程无需人工干预，一键启动即可完成所有操作； 多维度特征工程：融合分形特征与 30 + 基础特征，既捕捉非线性规律，又覆盖传统统计维度，特征维度全面； 多模型融合降噪：5 个基础模型 + Stacking 融合，避免单一模型的局限性，提升预测结果的稳定性； 概率化与模拟验证：输出概率化结果而非绝对化结论，结合 10 万次蒙特卡罗模拟，增强结果的统计参考价值； 可复现性强：所有流程均基于固定算法与参数，输入相同数据可得到一致结果，便于后续优化与验证。 五、使用场景与注意事项 （一）使用场景 为双色球爱好者提供数据化参考，辅助号码选择（非官方开奖预测，仅作娱乐参考）； 作为机器学习、特征工程、模型融合的实践案例，用于技术学习与研究。 （二）注意事项 彩票开奖本质是随机事件，工具的预测结果基于历史数据的统计规律，不保证中奖，请勿过度投入资金； 模型以工具地址： #### 软件架构 软件架构说明 程序采用： 训练阶段： 1、数据采集->序列化->特征工程->特征融合->5模型独立训练->模型融合->最终训练结果 2、数据采集->序列化->特征工程->特征融合->用融合模型预测->蒙特卡罗预测->输出结果 最终结果如下： ============================================================ 排名 红球编号 选中次数 选中占比 -------------------------------------------------- 1 r33 3960 0.0660 2 r15 3549 0.0592 3 r16 3372 0.0562 4 r6 3198 0.0533 5 r20 3186 0.0531 6 r26 3090 0.0515 7 r14 3013 0.0502 -------------------------------------------------- 说明：选中占比 = 该号码被选中次数 / 总选中次数（60000次） ============================================================ ================================================================================ 预测全流程完成! 最终摘要: 预测期数: 1 - 0 90 推荐红球（按概率降序）: r15,r16,r12,r21,r2,r8 整体置信度: 0.6809 结果文件保存路径: /opt/coding/500w/03.ssq_fractal/predict_result ================================================================================ #### 环境信息 Python 3.13.7 joblib 1.5.2 optuna 4.5.0 PyTorch 2.8.0+cu128 LightGBM 4.6.0 XGBoost 3.1.1 XGBoost-CUDA支持 是 scikit-learn 1.7.2 #### 使用说明 1、训练 python main.py --mode train 2、预测 python main.py --mode predict