Excel / SQLite / MySQL 数据库 -> 趋势预测 -> 图表展示 的 npm Web 工具示例。

• frontend：React + Vite + ECharts + Ant Design
• backend/node：Express 网关，负责校验并转发到 Python
• backend/python：FastAPI + Prophet 预测服务
• docs：模板说明与示例模板

1. 安装 Node 依赖

npm install
npm install --prefix frontend
npm install --prefix backend/node

2. 准备 Python conda 环境

conda env create -f backend/python/environment.yml

如果你已经创建过环境，可执行：

npm run py:install

说明：

• 环境初始化默认仅安装 prophet（以及服务运行基础依赖），其余模型可在前端按需点击安装。
• Windows 下直接双击根目录的 start-dev.bat 时，脚本会先检查 conda 是否可用。
• 如果 trend-forecasting-py 环境不存在，start-dev.bat 会自动执行 conda env create -f backend/python/environment.yml 创建环境。
• 如果环境创建失败，脚本会停在错误提示处，不会再表现成“闪退”。

3. 一键启动前端 + Node + Python

npm run dev

Windows 也可以直接双击根目录下的 start-dev.bat 一键启动（会自动检查 Node 依赖，并在缺失时自动创建 trend-forecasting-py conda 环境后再启动）。

在项目根目录执行，默认服务端口：

• 前端：http://localhost:5173
• Node 网关：http://localhost:3001
• Python 预测服务：http://localhost:8001

说明：npm run dev 中的 Python 服务默认不启用 --reload，避免扫描整个项目目录导致的 Windows 路径问题；如需 Python 热重载，可单独执行 npm run py:dev。

4. 若你希望单独启动，也可以分别执行：

启动 Python 预测服务：

conda activate trend-forecasting-py
cd backend/python
uvicorn main:app --reload --host 127.0.0.1 --port 8001

启动 Node 网关服务：

npm run dev --prefix backend/node

启动前端：

npm run dev --prefix frontend

• 如果出现 Prophet object has no attribute stan_backend，先执行：

npm run py:install

• 如果双击 start-dev.bat 后仍无法启动，先确认 conda 命令本身可用：

conda --version

• Windows 下停止一键启动时，建议在 PowerShell 里按 Ctrl+C 一次；当前脚本已去掉嵌套 npm run，避免卡在 Terminate batch job (Y/N)。

• prophet：适合带趋势和节假日/季节性的业务时间序列，配置简单，解释性较好。
• ets：指数平滑模型（Error-Trend-Seasonality），对短期平稳趋势预测很常用，训练速度快。
• sarima：季节性 ARIMA，擅长处理自相关和季节性结构明显的序列。
• tbats：适合复杂季节性（如多重季节周期）场景，对波动型业务序列更灵活。
• neuralprophet：在 Prophet 思路上引入神经网络能力，能更好拟合非线性模式。
• orbit：Bayesian 时序框架（这里用 DLT），在趋势建模与不确定性表达方面比较现代化。

这里的“大小”主要指依赖体积、内存占用和训练耗时的综合感受（同样数据量下）：

提示：

• 如果机器配置一般，建议先用 ets、sarima、prophet 做主流程。
• 多模型对比时可先跑轻量模型，再按需开启 tbats / neuralprophet / orbit。

建议：

• 数据量较小、追求稳定可解释：优先 prophet、ets、sarima。
• 季节性复杂或非线性明显：尝试 tbats、neuralprophet、orbit。
• 实际使用时建议多模型一起跑，用图表和误差指标共同判断。

• 前端调用：POST /api/forecast
• 数据源读取：POST /api/data/sqlite、POST /api/data/mysql
• 数据源连通性测试：POST /api/data/sqlite/test、POST /api/data/mysql/test
• 请求体：

{
  "rows": [{ "date": "2023-01-01", "value": 120 }],
  "periods": 30,
  "models": ["prophet", "ets", "sarima"]
}

• 返回体包含：
  • history: 原始数据（date/value）
  • forecast: 主模型预测结果（date/yhat/yhat_lower/yhat_upper）
  • forecasts_by_model: 各模型预测结果
  • failed_models: 失败模型及原因

可选模型：prophet、ets、sarima、tbats、neuralprophet、orbit。

• 新增：GET /api/models/status 获取六个模型安装状态。
• 新增：POST /api/models/install 按模型名称执行安装。
• 新增：POST /api/data/sqlite 直连 SQLite 数据库读取 date/value 时序数据。
• 新增：POST /api/data/mysql 直连 MySQL 数据库读取 date/value 时序数据。
• 新增：SQLite / MySQL 均支持填写自定义 SQL（仅 SELECT，且结果需包含 date、value 两列）。
• 新增：前端可保存数据库连接配置（保存在浏览器 localStorage）。
• 新增：数据库面板支持「测试连接」按钮；填写 SQL 时 table 可留空。
• 新增：测试连接成功后自动保存当前配置；MySQL 密码不会写入本地保存项。
• 新增：数据库面板支持「一键启动」（读取数据并直接触发预测）。
• 新增：SQLite / MySQL 支持保存多套 SQL 连接配置，并可下拉切换与删除。