fix tiep

src/forecasting.py

@@ -9,6 +9,7 @@ import requests
 import pandas as pd
 import numpy as np
 from datetime import datetime, timedelta
+from zoneinfo import ZoneInfo
 from io import StringIO
 from sklearn.base import BaseEstimator, TransformerMixin
 from sklearn.metrics import mean_squared_error
@@ -31,9 +32,20 @@ PIPE_1 = BASE_DIR / "pipelines" / "preprocessing_pipeline.pkl"
 # PIPE_2 = r"pipelines/featureSelection_pipeline.pkl"
 
 
+# --- Hàm lấy múi giờ ---
+def get_timezone():
+    """Lấy múi giờ từ biến môi trường TZ, mặc định là Asia/Ho_Chi_Minh."""
+    tz_string = os.getenv("TZ", "Asia/Ho_Chi_Minh")
+    try:
+        return ZoneInfo(tz_string)
+    except Exception:
+        return ZoneInfo("Asia/Ho_Chi_Minh")
+
+
 # --- Lấy dữ liệu mới nhất ---
 def fetch_latest_weather_data(location="Hanoi", days=35): 
-    end_date = datetime.today()
+    tz = get_timezone()
+    end_date = datetime.now(tz)
     start_date = end_date - timedelta(days=days)
 
     base_url = "https://weather.visualcrossing.com/VisualCrossingWebServices/rest/services/timeline"
@@ -69,6 +81,7 @@ def update_three_year_data(new_data: pd.DataFrame, data_path=DATA_PATH):
       - Giữ lại đúng 3 năm gần nhất (tính từ hôm nay)
     """
     data_path = Path(data_path)
+    tz = get_timezone()
     
     # Đảm bảo có cột datetime
     if "datetime" not in new_data.columns:
@@ -94,7 +107,7 @@ def update_three_year_data(new_data: pd.DataFrame, data_path=DATA_PATH):
     combined.drop_duplicates(subset=["datetime"], keep="last", inplace=True)
 
     # Giới hạn dữ liệu trong 3 năm gần nhất
-    three_years_ago = datetime.today() - timedelta(days=3 * 365)
+    three_years_ago = datetime.now(tz) - timedelta(days=3 * 365)
     combined = combined[combined["datetime"] >= three_years_ago]
 
     # sắp xếp và lưu lại
@@ -103,8 +116,6 @@ def update_three_year_data(new_data: pd.DataFrame, data_path=DATA_PATH):
     combined.to_csv(data_path, index=False)
 
     # kiểm tra
-    # print(f"Dữ liệu đã được cập nhật, còn lại {len(combined)} dòng (~3 năm).")
-    # print(f"Khoảng thời gian: {combined['datetime'].min().date()} → {combined['datetime'].max().date()}")
     logging.info(f"Dữ liệu đã được cập nhật, còn lại {len(combined)} dòng (~3 năm).")
     logging.info(f"Khoảng thời gian: {combined['datetime'].min().date()} → {combined['datetime'].max().date()}")
 
@@ -156,6 +167,7 @@ def log_rmse_daily(pred_path, actual_path):
     So sánh dự đoán trong file realtime_predictions với dữ liệu thật trong current3weeks.
     Tính RMSE cho 5 ngày tiếp theo CHỈ KHI đủ dữ liệu cho cả 5 ngày.
     """
+    tz = get_timezone()
 
     # --- Đọc dữ liệu ---
     pred_path = Path(pred_path)
@@ -220,7 +232,7 @@ def log_rmse_daily(pred_path, actual_path):
             "base_date": base_date_str,
             "end_date": forecast_dates[-1].strftime("%Y-%m-%d"),
             "rmse": rmse_value,
-            "logged_at": datetime.now().strftime("%Y-%m-%d %H:%M:%S")
+            "logged_at": datetime.now(tz).strftime("%Y-%m-%d %H:%M:%S")
         }
 
         all_logs.append(log_entry)
@@ -241,7 +253,8 @@ def log_rmse_daily(pred_path, actual_path):
 
 # ---  Task tự động hàng ngày ---
 def daily_update():
-    logging.info(f"Bắt đầu cập nhật dữ liệu lúc {datetime.now().strftime('%Y-%m-%d %H:%M:%S')}")
+    tz = get_timezone()
+    logging.info(f"Bắt đầu cập nhật dữ liệu lúc {datetime.now(tz).strftime('%Y-%m-%d %H:%M:%S')}")
 
     # 1. Lấy dữ liệu mới
     new_data = fetch_latest_weather_data()

src/model_training.py

@@ -22,6 +22,7 @@ import subprocess
 from clearml import Logger, Task
 from sklearn.model_selection import TimeSeriesSplit
 from datetime import datetime
+from zoneinfo import ZoneInfo
 from lightgbm import LGBMRegressor
 from sklearn.metrics import mean_squared_error
 
@@ -38,6 +39,15 @@ DATA_PATH = BASE_DIR / "data" / "latest_3_year.csv"
 CURRENT_MODEL_PATH = BASE_DIR / "models" / "Current_model.pkl"
 TEMP_NEW_MODEL_PATH = BASE_DIR / "models" / "Update_model.pkl"
 
+# --- Hàm lấy múi giờ ---
+def get_timezone():
+    """Lấy múi giờ từ biến môi trường TZ, mặc định là Asia/Ho_Chi_Minh."""
+    tz_string = os.getenv("TZ", "Asia/Ho_Chi_Minh")
+    try:
+        return ZoneInfo(tz_string)
+    except Exception:
+        return ZoneInfo("Asia/Ho_Chi_Minh")
+
 # --- Lớp Wrapper cho Multi-Output Prediction ---
 class CustomMultiOutputRegressor:
    """
@@ -125,9 +135,10 @@ def train_model(X_train, y_train, n_trials=50, random_state=42):
    """
    Tinh chỉnh và huấn luyện 5 mô hình LightGBM riêng biệt cho 5 ngày dự báo.
    """
+   tz = get_timezone()
    task = Task.current_task()
    if not task:
-      task = Task.init(project_name="Hanoi Temperature Forecast", task_name=f"Training_{datetime.now():%Y%m%d_%H%M}")
+      task = Task.init(project_name="Hanoi Temperature Forecast", task_name=f"Training_{datetime.now(tz):%Y%m%d_%H%M}")
    logger = task.get_logger()
    
    best_models_per_target, best_pipelines_per_target, best_params_per_target = {}, {}, {}
@@ -249,13 +260,14 @@ def save_artifacts(
    models: dict, pipelines: dict, best_params: dict, metrics: dict, 
    final_model_object: CustomMultiOutputRegressor, task: Task, output_path: str
 ):
+   tz = get_timezone()
    output_path = Path(output_path)
    output_path.parent.mkdir(parents=True, exist_ok=True)
    
    artifacts_to_save = {
       "models": models, "pipelines": pipelines, "best_params": best_params, 
       "metrics": metrics, "final_multi_model": final_model_object,
-      "timestamp": datetime.now().strftime("%Y-%m-%d %H:%M:%S")
+      "timestamp": datetime.now(tz).strftime("%Y-%m-%d %H:%M:%S")
    }
    joblib.dump(artifacts_to_save, output_path)
    logging.info(f"Đã lưu toàn bộ artifacts vào: {output_path}")
@@ -271,7 +283,7 @@ def save_artifacts(
    task.flush()
    logging.info("Upload artifact lên ClearML đã hoàn tất.")
 
-   retrain_log_path = output_path.parent / "retrain_log.pkl"
+   retrain_log_path = output_path.parent.parent / "logs" / "retrain_log.pkl"
    try:
       history = joblib.load(retrain_log_path) if retrain_log_path.exists() else []
       log_entry = {
@@ -279,6 +291,7 @@ def save_artifacts(
          "best_params_summary": {k: v['boosting_type'] for k, v in best_params.items()}
       }
       history.append(log_entry)
+      retrain_log_path.parent.mkdir(parents=True, exist_ok=True)
       joblib.dump(history, retrain_log_path)
       logging.info(f"Đã cập nhật lịch sử huấn luyện tại: {retrain_log_path}")
    except Exception as e:

src/monitoring.py

@@ -7,6 +7,7 @@ from pathlib import Path
 sys.path.append(str(Path(__file__).parent.parent))
 import pandas as pd
 from datetime import datetime, timedelta
+from zoneinfo import ZoneInfo
 from src.model_training import retrain_pipeline
 
 # --- Cấu hình logging ---
@@ -23,6 +24,16 @@ RMSE_THRESHOLD = 2.5       # Ngưỡng cảnh báo drift về hiệu năng
 RETRAIN_INTERVAL_DAYS = 90 # Tự động retrain sau 90 ngày
 
 
+# --- Hàm lấy múi giờ ---
+def get_timezone():
+    """Lấy múi giờ từ biến môi trường TZ, mặc định là Asia/Ho_Chi_Minh."""
+    tz_string = os.getenv("TZ", "Asia/Ho_Chi_Minh")
+    try:
+        return ZoneInfo(tz_string)
+    except Exception:
+        return ZoneInfo("Asia/Ho_Chi_Minh")
+
+
 def check_rmse_drift(log_path=LOG_PATH, threshold=RMSE_THRESHOLD):
     """Kiểm tra xem RMSE trung bình 5 ngày gần nhất có vượt ngưỡng không."""
     log_path = Path(log_path)
@@ -69,7 +80,9 @@ def check_rmse_drift(log_path=LOG_PATH, threshold=RMSE_THRESHOLD):
 
 def check_retrain_interval(log_path=RETRAIN_LOG_PATH, interval_days=RETRAIN_INTERVAL_DAYS):
     """Kiểm tra xem đã quá 90 ngày kể từ lần retrain gần nhất chưa"""
+    tz = get_timezone()
     log_path = Path(log_path)
+    
     if not log_path.exists():
         logging.info("Chưa có lịch sử huấn luyện lại. Bỏ qua kiểm tra khoảng thời gian.")
         return False
@@ -85,7 +98,13 @@ def check_retrain_interval(log_path=RETRAIN_LOG_PATH, interval_days=RETRAIN_INTE
 
     last_date_str = records[-1]["timestamp"]
     last_date = datetime.strptime(last_date_str, "%Y-%m-%d %H:%M:%S")
-    days_since = (datetime.now() - last_date).days
+    
+    # Chuyển đổi last_date sang múi giờ hiện tại nếu cần
+    if last_date.tzinfo is None:
+        last_date = last_date.replace(tzinfo=tz)
+    
+    current_time = datetime.now(tz)
+    days_since = (current_time - last_date).days
 
     logging.info(f"Lần huấn luyện lại gần nhất: {last_date_str} ({days_since} ngày trước).")
     if days_since > interval_days: