Update app.py

app.py

@@ -150,6 +150,44 @@ load_css()
 # --- 3. DATA & MODEL LOADING FUNCTIONS (WITH CACHING) ---
 # Checklist Items 1 & 2: Cache all heavy operations
 
+@st.cache_resource
+def load_hourly_aggregate_model():
+    """Tải mô hình Daily Champion (Hourly Aggregate) cho metric T+24h."""
+    file_path = "data/champion_Hourly_Aggregate_Champion_day_1.pkl"
+    try:
+        model = joblib.load(file_path)
+        return model
+    except FileNotFoundError as e:
+        st.warning(f"Warning: Daily Aggregate Model not found at: {e.filename}. Using dummy data for T+24h metric.")
+        return None
+
+@st.cache_resource
+def load_24_hourly_models():
+    """Tải 24 mô hình LGBM chuyên biệt (T+1h đến T+24h) cho biểu đồ."""
+    hourly_models = {}
+    
+    # Số lượng mô hình bạn muốn tải (chúng ta giả định có 24 file)
+    num_horizons = 24 
+    
+    try:
+        for h in range(1, num_horizons + 1):
+            # Giả định file model T+1h đến T+10h là file bạn gửi, các file khác nằm trong 'models/'
+            if h <= 10: 
+                file_path = f"models/lgbm_model_target_temp_next_{h}h.pkl" # Sử dụng tên file bạn gửi
+            else:
+                 file_path = f"models/lgbm_model_target_temp_next_{h}h.pkl" # Giả định path
+
+            model = joblib.load(file_path)
+            hourly_models[h] = model
+        
+        if len(hourly_models) < num_horizons:
+            st.warning(f"Warning: Only {len(hourly_models)} hourly models loaded. Graph will be incomplete.")
+            
+        return hourly_models
+    except FileNotFoundError as e:
+        st.error(f"ERROR: Missing hourly model file: {e.filename}. Cannot generate full hourly graph.")
+        return {}
+
 @st.cache_data
 def load_feature_data(file_path="data/final_dataset_tree.csv"):
     """Loads features and targets, converts index to datetime."""
@@ -238,6 +276,47 @@ else:
     st.error("Could not load main data, application cannot continue.")
     st.stop()
 
+
+# --- CRITICAL CUSTOMIZATION (Hourly Targets) ---
+HOURLY_TARGET_COLS = ['target_temp_next_24h', 'target_temp_next_48h', 'target_temp_next_72h', 
+                      'target_temp_next_96h', 'target_temp_next_120h'] 
+
+# Load models và data mới
+hourly_data_df = load_hourly_data(file_path="data/final_hourly_features_demo.xlsx - Sheet1.csv") # Dùng tên file features demo
+hourly_models_24h = load_24_hourly_models() # Dùng 24 mô hình LGBM
+hourly_agg_model = load_hourly_aggregate_model() # Dùng mô hình Aggregate T+24h
+
+# Tạo input features cho Hourly (giữ nguyên logic)
+if not hourly_data_df.empty:
+    HOURLY_FEATURE_COLS = [col for col in hourly_data_df.columns if col not in HOURLY_TARGET_COLS]
+    X_test_hourly = hourly_data_df.loc[TEST_START_DATE:TEST_END_DATE][HOURLY_FEATURE_COLS]
+else:
+    X_test_hourly = pd.DataFrame()
+
+# --- Định nghĩa Hàm Dự đoán 24h Thực tế ---
+def predict_next_24_hours(input_features: pd.DataFrame, models: dict) -> List[float]:
+    """Chạy các mô hình LGBM chuyên biệt (T+1h đến T+24h) để tạo ra 24 điểm dự báo."""
+    predictions = []
+    num_horizons = len(models) 
+    
+    if input_features.empty or not models:
+        # Nếu thiếu model, tạo 24 giá trị giả lập dựa trên nhiệt độ hiện tại (temp)
+        last_temp = input_features['temp'].iloc[-1] if not input_features.empty else 28.0
+        return [last_temp + 1.5 * np.sin(2 * np.pi * (h + 10) / 24) + np.random.normal(0, 0.5)
+                for h in range(num_horizons)]
+
+    # Chạy mô hình Direct Hourly
+    for h in range(1, num_horizons + 1):
+        try:
+            model = models[h]
+            # Predict chỉ 1 giá trị
+            pred = model.predict(input_features)[0] 
+            predictions.append(pred)
+        except:
+            predictions.append(float('nan'))
+            
+    return predictions
+
 # --- 5. GIAO DIỆN SIDEBAR (ĐÃ XÓA) ---
 # Toàn bộ phần sidebar đã bị xóa
 
@@ -248,7 +327,7 @@ tab1, tab2, tab3, tab4 = st.tabs([
     "📑 Project Overview & Methodology", 
     "🌦️ Live 5-Day Forecast", 
     "📊 Model Performance & Diagnostics",
-    "⏱️ Hourly Prediction (Step 8)" # TAB MỚI
+    "⏱️ Hourly Prediction" # TAB MỚI
 ])
 
 # --- TAB 1: Project Overview ---
@@ -622,4 +701,122 @@ with tab3:
                         "around 0 and show no pattern over time.")
     
     else:
-        st.warning("Loading performance data...")
+        st.warning("Loading performance data...")
+
+
+# --- TAB 4: Hourly Prediction ---
+with tab4:
+    st.title("Hourly Prediction (Next 24 Hours) 🌡️")
+    st.markdown("""
+        Phần này sử dụng **24 Mô hình Dự báo Trực tiếp Hàng giờ (Hourly Direct Model)** và các features chi tiết (`lags`, `rolling means`) để cung cấp dự báo nhiệt độ cho 24 giờ tiếp theo.
+        """)
+
+    st.subheader("Forecast Start Time")
+    
+    if not X_test_hourly.empty:
+        min_date_hourly = X_test_hourly.index.min().date()
+        max_date_hourly = X_test_hourly.index.max().date()
+        
+        selected_date_hourly = st.date_input(
+            "Select the day you want the forecast to START from:",
+            value=min_date_hourly,
+            min_value=min_date_hourly,
+            max_value=max_date_hourly,
+            format="YYYY-MM-DD"
+        )
+        
+        latest_time_for_day = X_test_hourly.index[X_test_hourly.index.date == selected_date_hourly].max()
+        input_features_hourly = X_test_hourly.loc[[latest_time_for_day]]
+        
+        st.info(f"The model runs based on data up to the latest known hour: **{latest_time_for_day.strftime('%Y-%m-%d %H:%M:%S')}**")
+
+        st.divider()
+
+        # 1. Chạy Dự đoán Hourly (GỌI HÀM THỰC TẾ)
+        predictions_24h = predict_next_24_hours(input_features_hourly, hourly_models_24h)
+        
+        # --- TÍNH TOÁN METRIC T+24H CHÍNH XÁC ---
+        t_plus_24h_metric = None
+        if hourly_agg_model:
+            # Model Aggregated Day 1 (từ file bạn gửi) dự đoán T+24h
+            try:
+                t_plus_24h_metric = hourly_agg_model.predict(input_features_hourly)[0]
+            except Exception as e:
+                st.error(f"Error predicting T+24h with loaded model: {e}")
+        
+        # 2. Hiển thị Dự đoán T+24h (Tức là giờ đó ngày mai)
+        st.subheader(f"Summary Forecast for Next Day (Starting {latest_time_for_day.strftime('%H:%M')})")
+        
+        forecast_start_ts = latest_time_for_day + pd.Timedelta(hours=1)
+        
+        col_daily_pred = st.columns(4)
+        with col_daily_pred[0]:
+            # Hiển thị T+24h (sử dụng model Aggregated thật nếu có)
+            display_value = t_plus_24h_metric if t_plus_24h_metric is not None else predictions_24h[0]
+            st.metric(
+                label=f"Forecast @ {forecast_start_ts.strftime('%H:%M')} Tomorrow (Day 1 Agg.)",
+                value=f"{display_value:.1f}°C"
+            )
+        
+        # Sử dụng các giá trị từ 24 điểm dự báo để tính Max/Min/Mean 24h
+        if predictions_24h:
+            with col_daily_pred[1]:
+                st.metric(label="Next 24h Average Temp", value=f"{np.nanmean(predictions_24h):.1f}°C")
+            with col_daily_pred[2]:
+                st.metric(label="Next 24h Max Temp", value=f"{np.nanmax(predictions_24h):.1f}°C", delta="Peak Heat")
+        
+        st.markdown("---")
+        
+        # 3. Graph: Nhiệt độ Từng Giờ
+        st.subheader("Hourly Temperature Breakdown (T+1h to T+24h)")
+        
+        hourly_index = pd.date_range(start=forecast_start_ts, periods=len(predictions_24h), freq='H')
+        df_hourly_forecast = pd.DataFrame({
+            'Time': hourly_index,
+            'Temperature': predictions_24h
+        }).set_index('Time')
+        
+        fig_hourly = go.Figure()
+        fig_hourly.add_trace(go.Scatter(
+            x=df_hourly_forecast.index, 
+            y=df_hourly_forecast['Temperature'],
+            mode='lines+markers', 
+            name='Hourly Forecast',
+            line=dict(color='#ff6347', width=2), 
+            marker=dict(size=6)
+        ))
+        
+        fig_hourly.update_layout(
+            title="Hourly Temperature Forecast (T+1h to T+24h)",
+            xaxis_title="Time", 
+            yaxis_title="Temperature (°C)",
+            template="plotly_white",
+            legend=dict(x=0.01, y=0.99)
+        )
+        st.plotly_chart(fig_hourly, use_container_width=True)
+
+        # 4. Hiển thị Features Dùng để Dự đoán
+        st.markdown("---") 
+        with st.expander("🔍 Feature Inspector: Hourly Inputs for the Forecast"):
+            if not input_features_hourly.empty:
+                important_hourly_features = [
+                    'temp', 'humidity', 'windspeed', 'cloudcover',
+                    'temp_lag_1h', 'humidity_lag_24h', 'temp_diff_24h', 
+                    'temp_roll_24h_mean', 'humidity_roll_24h_mean', 
+                    'hour_sin', 'day_of_year_sin'
+                ]
+                
+                col_h1, col_h2, col_h3 = st.columns(3)
+                
+                for i, feature in enumerate(important_hourly_features):
+                    if feature in input_features_hourly.columns:
+                        value = input_features_hourly[feature].iloc[0]
+                        label = feature.replace('_', ' ').title()
+                        
+                        target_col = [col_h1, col_h2, col_h3][i % 3]
+                        with target_col:
+                            st.metric(label=label, value=f"{value:.2f}")
+            else:
+                st.warning("No hourly feature data available for the selected hour.")
+    else:
+        st.warning("Please wait... Loading hourly data or models.")