Update app.py

app.py

@@ -179,17 +179,6 @@ def load_hourly_data(file_path="data/final_hourly_feature_dataset.csv"):
         st.error(f"An unexpected error occurred while loading hourly data: {e}")
         return pd.DataFrame()
 
-@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."""
@@ -313,8 +302,6 @@ HOURLY_TARGET_COLS = ['target_temp_next_24h', 'target_temp_next_48h', 'target_te
 # Load models và data mới
 hourly_data_df = load_hourly_data(file_path="data/final_hourly_feature_dataset.csv") # Dùng tên file features chính xác
 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
 if not hourly_data_df.empty:
     HOURLY_FEATURE_COLS = [col for col in hourly_data_df.columns if col not in HOURLY_TARGET_COLS]
@@ -793,38 +780,22 @@ with tab4:
         # 1. Chạy Dự đoán Hourly (cho biểu đồ T+1h đến T+24h)
         predictions_24h = predict_next_24_hours(input_features_hourly, hourly_models_24h)
         
-        # --- TÍNH TOÁN METRIC T+24H CHÍNH XÁC (Dùng Daily Features) ---
-        t_plus_24h_metric = None
-        
-        # Lấy ngày được chọn làm Timestamp
-        selected_date_ts = pd.Timestamp(selected_date) 
-        
-        # Lấy input features cho DAILY AGGREGATE MODEL từ X_test (Daily Features DataFrame)
-        input_features_daily_agg = pd.DataFrame()
-        if selected_date_ts in X_test.index:
-            # Lấy single row từ Daily Features (đã được aggregated)
-            input_features_daily_agg = X_test.loc[[selected_date_ts]]
-            
-        if hourly_agg_model and not input_features_daily_agg.empty:
-            # CHẠY MODEL TRÊN INPUT DAILY FEATURES (1036 features)
-            try:
-                t_plus_24h_metric = hourly_agg_model.predict(input_features_daily_agg)[0]
-            except Exception as e:
-                # Bắt lỗi dự đoán và trả về cảnh báo nếu vẫn còn lỗi feature mismatch khác
-                st.error(f"Error predicting T+24h metric (Daily Agg. Model). Mismatch likely: {e}")
-                t_plus_24h_metric = None # Đảm bảo giá trị là None nếu lỗi
-                
+        # --- FIX CUỐI CÙNG: Chỉ dùng T+24h của Hourly Model ---
+        # T+24h là index 23 (nếu có đủ 24 giá trị)
+        t_plus_24h_metric_value = predictions_24h[23] if len(predictions_24h) >= 24 else (predictions_24h[-1] if predictions_24h else float('nan'))
+
         # 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)
-            display_value = t_plus_24h_metric if t_plus_24h_metric is not None else predictions_24h[0]
+            # Chỉ hiển thị T+24h từ Hourly Model (Không dùng model lỗi nữa)
             st.metric(
-                label=f"Forecast @ {forecast_start_ts.strftime('%H:%M')} Tomorrow (Day 1 Agg.)",
+                label=f"Forecast @ {forecast_start_ts.strftime('%H:%M')} Tomorrow (T+24h)",
+                value=f"{t_plus_24h_metric_value:.1f}°C"
+            )start_ts.strftime('%H:%M')} Tomorrow (Day 1 Agg.)",
                 value=f"{display_value:.1f}°C"
             )