amlhc/.planning/phases/11-predictv3/11-RESEARCH.md

Phase 11: predictV3算法优化 - Research

Researched: 2026-05-01 Domain: 彩票号码预测算法优化 / 多维度评分系统增强 Confidence: MEDIUM (基于代码分析 + 训练知识，部分技术方案需要进一步验证)

Summary

现有 V3 预测算法已实现 9 个评分维度和动态权重调整机制，核心技术栈为 PHP + ThinkPHP 5.x，采用马尔可夫链转移概率、经验分布函数、走势分析等方法进行号码预测。优化方向涵盖：数据维度扩展、转移概率增强、权重训练、置信度评估、回测指标扩展、组合特征挖掘六个领域。

Primary recommendation: 优先实现置信度评估和回测指标扩展，这两个方向对用户体验提升最直接；权重训练和转移概率增强可作为中期优化目标；组合特征挖掘和数据维度扩展需要更多历史数据支撑，适合长期迭代。

Architectural Responsibility Map

Capability	Primary Tier	Secondary Tier	Rationale
预测计算核心	Backend (PHP Model)	—	复杂统计计算、历史数据分析在服务端完成
回测验证	Backend (PHP Model)	—	需要批量查询历史数据，服务端性能最优
权重配置	Frontend (JS) + Backend	Backend	前端提供UI配置，后端存储默认值并验证
置信度展示	Frontend (JS)	Backend	后端计算置信度，前端负责可视化呈现
组合特征挖掘	Backend (PHP Model)	—	数据密集型计算，服务端执行效率高

Technical Analysis

现有 V3 算法架构

核心入口方法: getPredictionV3($periods = 200, $weights = [], $targetExpect = '', $skipBacktest = false, $backtestCount = 50)

9个评分维度及其实现:

维度	方法	核心技术	当前权重(默认)
遗漏回归	_calcOmitScoreEmpirical()	经验累积分布函数(CDF)，百分位排名映射	0.18
频率回归	_calcFreqScoreAdvanced()	频率比率 + 回归窗口判断 + 卡方检验	0.12
转移概率	_calcTransitionScore()	一阶马尔可夫链，拉普拉斯平滑处理	0.18
单双平衡	_calcOddEvenScore()	连续性反转预测 + 比例失衡回归	0.08
大小平衡	_calcBigSmallScore()	同单双逻辑，大小阈值25	0.08
走势方向	_calcTrendDirectionScore()	上升/下降/跳跃趋势识别，强度加权	0.14
区域平衡	内联计算	5区域分布比例失衡回归	0.04
波色平衡	内联计算	红蓝绿三色分布失衡回归	0.04
组合特征	_calcCombinationScore()	属性组合、相邻号码共现、前3期模式	0.10

动态权重调整: _adjustWeightsDynamic() 根据走势强度、遗漏分布、单双/大小连续性实时调整权重并归一化。

回测机制: _runBacktestV3() 执行最近N期历史验证，输出命中率(Top5)、平均排名、详细记录。

代码结构优势

1. 模块化设计: 每个维度独立方法，便于单独优化和测试
2. 预计算优化: 号码属性索引(zoneMap, colorKeyMap, tailMap等)在主循环外预构建
3. 参数化配置: 权重可前端传入，支持用户自定义
4. 回测验证: 内置历史验证机制，可评估算法有效性

代码结构局限

1. 一阶马尔可夫: 转移概率仅考虑上一期状态，未利用更长的历史序列
2. 固定评分函数: 各维度评分逻辑硬编码，缺乏数据驱动的参数调优
3. 无置信度输出: 预测结果只有排名，无置信度指标
4. 回测指标单一: 仅命中率+平均排名，缺少NDCG、MRR等排名质量指标
5. 组合特征简单: 仅考虑±2相邻共现和前3期模式，挖掘深度不足

---

Optimization Recommendations

方向1: 数据维度扩展

目标: 添加新的有效评分维度，丰富预测信号来源

推荐新增维度:

维度	技术方案	实现复杂度	预期收益
时间周期性	分析开奖日期的周期规律（周几、月份）对号码分布的影响	低	中
生肖序列	将生肖映射为数值序列，分析生肖转移规律	低	中
跨期关联	分析前N期(3-5期)号码组合对当前期的联合影响	中	中-高
号码距离	计算候选号码与最近5期开奖号码的平均距离特征	低	低-中
连号特征	统计历史连号出现频率，预测连号概率	低	低

实现建议:

// 示例: 时间周期性分析方法
/**
 * 分析时间周期性特征
 * @param array $history 历史数据（含openTime）
 * @return array {weekday_stats: [], month_stats: []}
 */
private function _analyzeTimeCycle($history)
{
    $weekdayCount = array_fill(0, 7, []); // 周一到周日
    $monthCount = array_fill(1, 12, []);  // 1-12月
    
    foreach ($history as $row) {
        $num = (int)$row['num7'];
        $weekday = date('N', strtotime($row['openTime'])); // 1-7
        $month = date('n', strtotime($row['openTime']));   // 1-12
        
        if (!isset($weekdayCount[$weekday][$num])) {
            $weekdayCount[$weekday][$num] = 0;
        }
        $weekdayCount[$weekday][$num]++;
        
        if (!isset($monthCount[$month][$num])) {
            $monthCount[$month][$num] = 0;
        }
        $monthCount[$month][$num]++;
    }
    
    return [
        'weekday_stats' => $weekdayCount,
        'month_stats' => $monthCount
    ];
}

注意事项:

• 新维度需在 _adjustWeightsDynamic() 中添加相应的动态调整逻辑
• 权重初始值需谨慎设置，避免过度稀释现有有效维度
• 维度数量增加可能导致权重分配稀疏，需考虑维度重要性排序

置信度: MEDIUM [ASSUMED] - 基于训练知识，时间周期性在实际预测场景中效果需验证

---

方向2: 转移概率增强

目标: 改进现有一阶马尔可夫链，提升转移概率预测准确性

推荐增强方案:

方案	技术细节	实现复杂度	预期收益
二阶马尔可夫链	考虑前两期状态联合决定当前转移概率，状态空间扩大但预测更精准	中	中-高
多属性联合转移	同时考虑单双+大小的联合状态转移(4状态)，而非单独计算	中	中
衰减权重转移	近期转移权重更高，历史久远的转移权重衰减	低	低-中
条件转移概率	在特定条件下(如遗漏超过阈值)调整转移概率分布	中	中

二阶马尔可夫链实现思路:

/**
 * 构建二阶马尔可夫转移矩阵
 * @param array $history 历史数据（降序）
 * @param string $type 类型：zone/tail/head
 * @return array {matrix: [], prob_matrix: [], state_totals: []}
 */
private function _getTransitionMatrix2ndOrder($history, $type)
{
    $historyAsc = array_reverse($history);
    $numCategories = $type === 'tail' ? 10 : 5;
    
    // 状态空间: (prev1, prev2) -> current，共 numCategories^2 个前置状态
    $matrix = [];
    $stateTotals = [];
    
    // 初始化矩阵结构
    for ($i = 0; $i < $numCategories; $i++) {
        for ($j = 0; $j < $numCategories; $j++) {
            $stateKey = $i . '-' . $j;
            $matrix[$stateKey] = array_fill(0, $numCategories, 0);
            $stateTotals[$stateKey] = 0;
        }
    }
    
    $getIdx = $this->_getCategoryIdxFunction($type);
    
    // 统计二阶转移
    for ($i = 0; $i < count($historyAsc) - 2; $i++) {
        $prev1 = $getIdx((int)$historyAsc[$i]['num7']);
        $prev2 = $getIdx((int)$historyAsc[$i + 1]['num7']);
        $current = $getIdx((int)$historyAsc[$i + 2]['num7']);
        
        if ($prev1 < 0 || $prev2 < 0 || $current < 0) continue;
        
        $stateKey = $prev1 . '-' . $prev2;
        $matrix[$stateKey][$current]++;
        $stateTotals[$stateKey]++;
    }
    
    // 拉普拉斯平滑处理
    $probMatrix = [];
    foreach ($matrix as $stateKey => $counts) {
        $smoothTotal = $stateTotals[$stateKey] + $numCategories;
        $probMatrix[$stateKey] = [];
        for ($j = 0; $j < $numCategories; $j++) {
            $probMatrix[$stateKey][$j] = ($counts[$j] + 1) / $smoothTotal;
        }
    }
    
    return [
        'matrix' => $matrix,
        'prob_matrix' => $probMatrix,
        'state_totals' => $stateTotals,
        'num_categories' => $numCategories
    ];
}

注意事项:

• 二阶马尔可夫状态空间指数增长(5^2=25或10^2=100)，历史数据不足时概率估计不稳定
• 需保留一阶方法作为数据不足时的fallback
• 可结合现有 _getTransitionMatrix() 形成混合策略

置信度: MEDIUM [ASSUMED] - 二阶马尔可夫在理论上更精准，但实际效果需回测验证

---

方向3: 权重训练

目标: 实现数据驱动的权重优化，替代手动调参

推荐方案:

方案	技术细节	实现复杂度	适用场景
历史回测网格搜索	预定义权重组合网格，批量回测选择最优组合	低	快速验证，适合初期
遗传算法优化	定义权重基因，通过选择/交叉/变异迭代优化	中	复杂权重空间探索
时间段分层权重	不同时间段使用不同权重配置（强趋势/弱趋势/跳跃）	低	适应动态场景
梯度下降优化	定义损失函数（命中率），迭代调整权重	高	需要大量回测数据

网格搜索实现思路:

/**
 * 权重网格搜索优化
 * @param int $periods 统计期数
 * @param int $backtestCount 回测期数
 * @param int $steps 每个权重的搜索步数
 * @return array {best_weights: [], best_hit_rate: float, all_results: []}
 */
private function _optimizeWeightsGridSearch($periods = 200, $backtestCount = 50, $steps = 5)
{
    $weightKeys = ['omit_regression', 'freq_regression', 'transition_prob', 
                   'oddeven_balance', 'bigsmall_balance', 'trend_direction',
                   'zone_balance', 'color_balance', 'combination'];
    
    $bestWeights = [];
    $bestHitRate = 0;
    $allResults = [];
    
    // 简化: 固定部分权重，仅优化核心权重组合
    // 实际实现需考虑组合爆炸问题，可采用分层搜索或随机采样
    $baseConfigs = [
        // 配置1: 遗漏优先
        ['omit_regression' => 0.25, 'freq_regression' => 0.15, 'transition_prob' => 0.20, 'trend_direction' => 0.15],
        // 配置2: 转移优先
        ['omit_regression' => 0.15, 'freq_regression' => 0.10, 'transition_prob' => 0.25, 'trend_direction' => 0.12],
        // 配置3: 走势优先
        ['omit_regression' => 0.12, 'freq_regression' => 0.10, 'transition_prob' => 0.15, 'trend_direction' => 0.25],
    ];
    
    foreach ($baseConfigs as $config) {
        $weights = array_merge($config, [
            'oddeven_balance' => 0.08,
            'bigsmall_balance' => 0.08,
            'zone_balance' => 0.04,
            'color_balance' => 0.04,
            'combination' => 0.08
        ]);
        
        // 归一化权重
        $total = array_sum($weights);
        foreach ($weights as $key => $value) {
            $weights[$key] = $value / $total;
        }
        
        // 执行回测
        $backtest = $this->_runBacktestV3($periods, $weights, $backtestCount);
        $hitRate = $backtest['hit_rate'];
        
        $allResults[] = [
            'weights' => $weights,
            'hit_rate' => $hitRate,
            'avg_rank' => $backtest['avg_rank']
        ];
        
        if ($hitRate > $bestHitRate) {
            $bestHitRate = $hitRate;
            $bestWeights = $weights;
        }
    }
    
    return [
        'best_weights' => $bestWeights,
        'best_hit_rate' => $bestHitRate,
        'all_results' => $allResults
    ];
}

注意事项:

• 网格搜索组合爆炸问题严重，需采用分层搜索或启发式采样
• 权重优化结果依赖历史数据量，数据不足时优化不可靠
• 需定期重新优化，避免过拟合特定时间段
• 可将优化结果存储到配置文件，供前端默认加载

置信度: HIGH [CITED: 机器学习参数优化最佳实践] - 网格搜索和遗传算法是成熟的参数优化方法

---

方向4: 置信度评估

目标: 为预测结果提供置信度指标，帮助用户判断预测可靠性

推荐置信度来源:

来源	计算方法	实现复杂度	信息价值
历史命中率置信度	基于相同排名位置的历史命中率统计	低	高
得分分布置信度	当前预测得分与历史命中号码得分分布的距离	中	中
多维度一致性置信度	各维度得分方向的一致程度（是否都指向同一号码）	中	中
回测稳定性置信度	多批次回测命中率的方差（稳定性越高置信度越高）	低	高

置信度计算实现:

/**
 * 计算预测置信度
 * @param array $predictions 预测结果数组
 * @param array $backtest 回测结果
 * @param array $scoresAll 所有号码得分详情
 * @return array {confidence_scores: [], overall_confidence: float}
 */
private function _calculateConfidence($predictions, $backtest, $scoresAll)
{
    $confidenceScores = [];
    
    foreach ($predictions as $idx => $pred) {
        $rank = $idx + 1;
        $num = $pred['num'];
        $score = $pred['score'];
        
        // 1. 基于历史排名命中率
        $rankHitRate = $this->_getHistoricalHitRateByRank($rank, $backtest);
        
        // 2. 基于得分分布
        $scoreConfidence = $this->_getScoreDistributionConfidence($score, $scoresAll);
        
        // 3. 基于多维度一致性
        $consistencyConfidence = $this->_getDimensionConsistency($pred['detail']);
        
        // 综合置信度（加权平均）
        $overallConfidence = $rankHitRate * 0.4 + $scoreConfidence * 0.3 + $consistencyConfidence * 0.3;
        
        $confidenceScores[] = [
            'num' => $num,
            'rank' => $rank,
            'confidence' => round($overallConfidence * 100, 1),
            'rank_hit_rate' => round($rankHitRate * 100, 1),
            'score_confidence' => round($scoreConfidence * 100, 1),
            'consistency' => round($consistencyConfidence * 100, 1)
        ];
    }
    
    // 整体置信度（Top5平均）
    $overallConfidence = array_sum(array_column($confidenceScores, 'confidence')) / count($confidenceScores);
    
    return [
        'confidence_scores' => $confidenceScores,
        'overall_confidence' => round($overallConfidence, 1)
    ];
}

/**
 * 基于历史排名获取命中率
 */
private function _getHistoricalHitRateByRank($rank, $backtest)
{
    if (!$backtest || empty($backtest['details'])) {
        // 无回测数据时，根据排名估算（排名越靠前置信度越高）
        return max(0, 1 - ($rank - 1) * 0.15);
    }
    
    // 统计各排名的历史命中次数
    $rankHits = array_fill(1, 5, 0);
    foreach ($backtest['details'] as $detail) {
        if ($detail['hit'] && $detail['rank'] >= 1 && $detail['rank'] <= 5) {
            $rankHits[$detail['rank']]++;
        }
    }
    
    $totalTests = $backtest['total_tests'];
    return $totalTests > 0 ? $rankHits[$rank] / $totalTests : 0;
}

/**
 * 计算多维度一致性
 */
private function _getDimensionConsistency($detail)
{
    // 检查各维度得分是否都为正向（高于阈值）
    $positiveDimensions = 0;
    $totalDimensions = 0;
    
    $thresholds = [
        'omit_score' => 30,
        'freq_score' => 20,
        'trans_score' => 15,
        'oddeven_score' => 20,
        'bigsmall_score' => 20,
        'trend_score' => 20,
        'zone_score' => 15,
        'color_score' => 15,
        'combo_score' => 15
    ];
    
    foreach ($thresholds as $key => $threshold) {
        if (isset($detail[$key])) {
            $totalDimensions++;
            if ($detail[$key] >= $threshold) {
                $positiveDimensions++;
            }
        }
    }
    
    return $totalDimensions > 0 ? $positiveDimensions / $totalDimensions : 0;
}

前端展示建议:

// 在预测结果中添加置信度标签
var confidenceHtml = '';
for (var i = 0; i < confidenceScores.length; i++) {
    var cs = confidenceScores[i];
    var confLevel = cs.confidence >= 70 ? '高' : (cs.confidence >= 50 ? '中' : '低');
    var confColor = cs.confidence >= 70 ? '#4caf50' : (cs.confidence >= 50 ? '#ff9800' : '#f44336');
    confidenceHtml += '<span style="font-size:10px;color:' + confColor + ';">置信度:' + confLevel + '(' + cs.confidence + '%)</span>';
}

置信度: HIGH [ASSUMED] - 置信度评估对用户决策有明显辅助价值，实现方案基于成熟的统计方法

---

方向5: 回测指标扩展

目标: 丰富回测评估指标，全面衡量算法预测质量

推荐新增指标:

指标	说明	计算公式	实现复杂度
NDCG@K	考虑排名位置的加权命中指标，排名越靠前权重越高	DCG/IDCG	中
MRR	平均倒数排名，关注命中号码的具体排名位置	Σ(1/rank)/N	低
MAP@K	平均精度均值，综合衡量所有排名的精度	Σ(Precision@k)/K	低
命中率分布	各排名位置的命中次数分布统计	{rank1_hits, rank2_hits...}	低
时间段命中率	按时间段分组统计命中率，发现算法在不同条件下的表现差异	分组命中率统计	中

NDCG@K 实现:

/**
 * 计算NDCG@K指标
 * @param array $backtestDetails 回测详情
 * @param int $K Top-K参数
 * @return float NDCG值(0-1)
 */
private function _calculateNDCG($backtestDetails, $K = 5)
{
    $dcg = 0;
    $idcg = 0;
    
    foreach ($backtestDetails as $detail) {
        if ($detail['hit']) {
            $rank = $detail['rank'];
            if ($rank <= $K) {
                // DCG: rel / log2(rank + 1)，命中时rel=1
                $dcg += 1 / log2($rank + 1);
            }
        }
    }
    
    // IDCG: 最理想情况下所有命中的DCG（假设都排在第1位）
    $hitCount = count(array_filter($backtestDetails, function($d) { return $d['hit']; }));
    for ($i = 1; $i <= min($hitCount, $K); $i++) {
        $idcg += 1 / log2($i + 1);
    }
    
    return $idcg > 0 ? round($dcg / $idcg, 4) : 0;
}

/**
 * 计算MRR (Mean Reciprocal Rank)
 * @param array $backtestDetails 回测详情
 * @return float MRR值
 */
private function _calculateMRR($backtestDetails)
{
    $reciprocalRanks = [];
    
    foreach ($backtestDetails as $detail) {
        if ($detail['hit']) {
            $reciprocalRanks[] = 1 / $detail['rank'];
        } else {
            $reciprocalRanks[] = 0; // 未命中记为0
        }
    }
    
    return count($reciprocalRanks) > 0 
        ? round(array_sum($reciprocalRanks) / count($reciprocalRanks), 4) 
        : 0;
}

/**
 * 计算命中率分布
 * @param array $backtestDetails 回测详情
 * @return array 各排名命中次数
 */
private function _calculateHitDistribution($backtestDetails)
{
    $distribution = array_fill(1, 5, 0);
    
    foreach ($backtestDetails as $detail) {
        if ($detail['hit'] && $detail['rank'] >= 1 && $detail['rank'] <= 5) {
            $distribution[$detail['rank']]++;
        }
    }
    
    return $distribution;
}

回测结果结构扩展:

// 在 _runBacktestV3 返回中添加新指标
return [
    'hit_rate' => $hitRate,
    'avg_rank' => $avgRank,
    'total_tests' => $testCount,
    'total_hits' => $hits,
    'details' => $details,
    // 新增指标
    'ndcg_5' => $this->_calculateNDCG($details, 5),
    'mrr' => $this->_calculateMRR($details),
    'hit_distribution' => $this->_calculateHitDistribution($details),
    'precision_5' => round($hits / ($testCount * 5) * 100, 2) // Precision@5
];

置信度: HIGH [CITED: 推荐系统评估指标最佳实践] - NDCG、MRR、MAP是成熟的排名质量评估指标

---

方向6: 组合特征挖掘

目标: 发现更复杂的号码组合规律，提升组合特征维度的预测能力

推荐挖掘方法:

方法	技术细节	实现复杂度	适用场景
关联规则挖掘(Apriori)	发现号码组合的频繁共现模式，如"号码A出现时号码B也出现"	中	双号码组合发现
序列模式挖掘	发现连续N期的号码序列模式，如"连续3期单号后下期双号概率高"	中	跨期规律发现
条件概率网络	构建号码属性的条件概率图，分析多属性联合影响	高	复杂条件依赖
多号码组合共现	统计3个以上号码的联合出现频率，发现"热门组合"	中	组合投注建议

关联规则挖掘实现思路:

/**
 * Apriori关联规则挖掘
 * @param array $history 历史数据（降序）
 * @param float $minSupport 最小支持度阈值
 * @param float $minConfidence 最小置信度阈值
 * @return array 规则列表 [{antecedent: [], consequent: [], support: float, confidence: float}]
 */
private function _mineAssociationRules($history, $minSupport = 0.05, $minConfidence = 0.3)
{
    // 简化实现：仅挖掘2项集规则（号码A -> 号码B）
    // 完整Apriori需实现k项集迭代生成
    
    $pairCounts = [];
    $singleCounts = array_fill(1, 49, 0);
    $totalPeriods = count($history);
    
    // 统计单号码和号码对出现次数
    foreach ($history as $row) {
        $nums = $this->_extractAllNumbers($row); // 提取本期所有7个号码
        foreach ($nums as $num) {
            if ($num >= 1 && $num <= 49) {
                $singleCounts[$num]++;
            }
        }
        
        // 统计号码对（在同一期内共现）
        for ($i = 0; $i < count($nums); $i++) {
            for ($j = $i + 1; $j < count($nums); $j++) {
                if ($nums[$i] >= 1 && $nums[$i] <= 49 && $nums[$j] >= 1 && $nums[$j] <= 49) {
                    $pairKey = min($nums[$i], $nums[$j]) . '-' . max($nums[$i], $nums[$j]);
                    $pairCounts[$pairKey] = ($pairCounts[$pairKey] ?? 0) + 1;
                }
            }
        }
    }
    
    // 生成规则
    $rules = [];
    foreach ($pairCounts as $pairKey => $pairCount) {
        $support = $pairCount / $totalPeriods;
        if ($support < $minSupport) continue;
        
        $nums = explode('-', $pairKey);
        $numA = (int)$nums[0];
        $numB = (int)$nums[1];
        
        // 规则: numA -> numB
        $confidenceAB = $pairCount / $singleCounts[$numA];
        if ($confidenceAB >= $minConfidence) {
            $rules[] = [
                'antecedent' => [$numA],
                'consequent' => [$numB],
                'support' => round($support, 4),
                'confidence' => round($confidenceAB, 4)
            ];
        }
        
        // 规则: numB -> numA
        $confidenceBA = $pairCount / $singleCounts[$numB];
        if ($confidenceBA >= $minConfidence) {
            $rules[] = [
                'antecedent' => [$numB],
                'consequent' => [$numA],
                'support' => round($support, 4),
                'confidence' => round($confidenceBA, 4)
            ];
        }
    }
    
    // 按置信度排序
    usort($rules, function($a, $b) {
        return $b['confidence'] - $a['confidence'];
    });
    
    return $rules;
}

序列模式挖掘实现思路:

/**
 * 序列模式挖掘（连续N期特征模式）
 * @param array $history 历史数据（降序）
 * @param int $windowLength 序列窗口长度
 * @return array 序列模式列表
 */
private function _mineSequencePatterns($history, $windowLength = 3)
{
    $historyAsc = array_reverse($history);
    $patterns = [];
    
    // 构建特征序列
    $featureSequence = [];
    foreach ($historyAsc as $row) {
        $num = (int)$row['num7'];
        $featureSequence[] = [
            'odd' => $num % 2 === 1,
            'big' => $num >= 25,
            'zone' => $this->_getZoneIdx($num)
        ];
    }
    
    // 统计窗口模式
    $windowCounts = [];
    for ($i = 0; $i < count($featureSequence) - $windowLength; $i++) {
        $windowKey = '';
        for ($j = 0; $j < $windowLength; $j++) {
            $f = $featureSequence[$i + $j];
            $windowKey .= ($f['odd'] ? 'O' : 'E') . ($f['big'] ? 'B' : 'S');
        }
        
        $nextFeature = $featureSequence[$i + $windowLength];
        $nextKey = ($nextFeature['odd'] ? 'O' : 'E') . ($nextFeature['big'] ? 'B' : 'S');
        
        $fullPattern = $windowKey . '->' . $nextKey;
        $windowCounts[$fullPattern] = ($windowCounts[$fullPattern] ?? 0) + 1;
    }
    
    // 计算概率并返回高置信度模式
    $totalPatterns = array_sum($windowCounts);
    foreach ($windowCounts as $pattern => $count) {
        $probability = $count / $totalPatterns;
        if ($probability >= 0.1) { // 只返回概率>=10%的模式
            $patterns[] = [
                'pattern' => $pattern,
                'count' => $count,
                'probability' => round($probability, 4)
            ];
        }
    }
    
    usort($patterns, function($a, $b) {
        return $b['probability'] - $a['probability'];
    });
    
    return $patterns;
}

注意事项:

• 关联规则挖掘需要大量历史数据支撑（建议500期以上）
• 支持度和置信度阈值需根据数据量调整
• 挖掘结果需定期更新，避免过拟合特定时间段
• 可将挖掘结果缓存到文件或数据库，避免每次预测重复计算

置信度: MEDIUM [ASSUMED] - 关联规则挖掘是成熟的数据挖掘方法，但在彩票预测场景效果需验证

---

Implementation Considerations

优先级排序

优先级	优化方向	理由
P0 (高)	置信度评估	用户决策辅助价值高，实现难度适中
P0 (高)	回测指标扩展	评估能力提升直接可见，实现难度低
P1 (中)	权重训练	提升算法准确性，需数据支撑
P1 (中)	转移概率增强	核心维度优化，预期收益较高
P2 (低)	组合特征挖掘	需大量数据，计算成本高
P2 (低)	数据维度扩展	需验证新维度有效性

实现风险

风险	影响	缓解措施
过拟合历史数据	新数据表现下降	分时间段回测验证，权重定期重新优化
计算性能下降	预测响应变慢	预计算缓存、异步更新、降级策略
新维度效果不明显	权重稀释，整体命中率下降	AB测试验证，无效维度移除
数据量不足	统计不可靠，置信度低	设置数据阈值，不足时提示用户

性能优化建议

1. 预计算缓存: 将转移矩阵、组合特征统计等预计算结果缓存到文件或Redis
2. 批量计算: 权重优化等耗时计算异步执行，结果存储供前端加载
3. 降级策略: 数据不足时回退简化算法，避免不可靠预测
4. 增量更新: 新开奖数据到达时增量更新统计，避免全量重算

数据需求

优化方向	最小数据量	推荐数据量
基础预测	30期	200期
二阶马尔可夫	100期	500期
权重优化	200期	500期
关联规则挖掘	300期	500期+
置信度统计	50期回测	100期回测

---

Validation Architecture

Test Framework

Property	Value
Framework	PHPUnit (ThinkPHP内置)
Config file	无独立配置，通过 php think unit 运行
Quick run command	php think unit --filter HistoryTest
Full suite command	php think unit

Phase Requirements → Test Map

Req ID	Behavior	Test Type	Automated Command	File Exists?
PRED-01	置信度计算准确性	unit	php think unit --filter testConfidenceCalculation	❌ Wave 0
PRED-02	NDCG计算准确性	unit	php think unit --filter testNDCGCalculation	❌ Wave 0
PRED-03	二阶马尔可夫转移矩阵构建	unit	php think unit --filter testTransitionMatrix2ndOrder	❌ Wave 0
PRED-04	权重优化收敛性	unit	php think unit --filter testWeightOptimization	❌ Wave 0
PRED-05	回测结果完整性	unit	php think unit --filter testBacktestV3Extended	❌ Wave 0

Sampling Rate

• Per task commit: 快速单元测试覆盖核心方法
• Per wave merge: 回测验证使用真实历史数据
• Phase gate: 全量回测（100期）验证整体命中率提升

Wave 0 Gaps

• tests/HistoryTest.php — 核心预测方法单元测试
• tests/ConfidenceTest.php — 置信度计算测试
• tests/BacktestMetricsTest.php — NDCG、MRR等指标计算测试
• 共享fixtures: 历史数据模拟生成器

---

Security Domain

本阶段为算法优化，无用户输入处理、认证、数据持久化等安全敏感操作，security_enforcement 可设为 false。

Applicable ASVS Categories

ASVS Category	Applies	Standard Control
V2 Authentication	no	—
V3 Session Management	no	—
V4 Access Control	no	—
V5 Input Validation	no	— (权重参数由前端传入，需范围验证)
V6 Cryptography	no	—

权重参数验证建议:

// 在 getPredictionV3 中添加权重范围验证
foreach ($weights as $key => $value) {
    if ($value < 0 || $value > 1) {
        return ['predictions' => [], 'error' => '权重值必须在0-1之间'];
    }
}

---

Sources

Primary (HIGH confidence)

• 现有代码分析: application/admin/model/History.php — getPredictionV3 及相关方法 [VERIFIED]
• 现有代码分析: public/assets/js/backend/history.js — showPredictDialog 及渲染逻辑 [VERIFIED]

Secondary (MEDIUM confidence)

• 推荐系统评估指标: Hit Rate, NDCG, MRR, MAP [CITED: WebSearch Brave Search 结果]
• 参数优化方法: Grid Search, Genetic Algorithm [ASSUMED: 训练知识]

Tertiary (LOW confidence)

• 马尔可夫链增强效果 [ASSUMED: 理论推导，需回测验证]
• 关联规则挖掘在彩票预测场景的效果 [ASSUMED: 需实际数据验证]
• 时间周期性特征有效性 [ASSUMED: 需历史数据分析验证]

---

Assumptions Log

#	Claim	Section	Risk if Wrong
A1	二阶马尔可夫链能提升转移概率预测准确性	方向2	预期收益下降，计算成本增加
A2	网格搜索权重优化能提升命中率	方向3	优化无效或过拟合，需其他方法
A3	置信度评估对用户决策有明显辅助价值	方向4	用户可能不理解置信度含义
A4	时间周期性特征对号码分布有影响	方向1	新维度无效，权重稀释
A5	关联规则挖掘能发现有效号码组合规律	方向6	挖掘结果不可靠，计算成本高

---

Open Questions (RESOLVED)

1. 历史数据量是否足够支撑高级优化?

   • 当前默认200期统计，二阶马尔可夫和关联规则挖掘建议500期+
   • 需检查数据库中实际可用的历史期数
   • 推荐: 查询 SELECT COUNT(*) FROM fa_history 确认数据量
   • Resolution: 11-05 Task 3 设置100期阈值，数据不足时回退一阶马尔可夫，已在plan中处理

2. 权重优化结果如何持久化?

   • 选项A: 存储到 application/extra/predict.php 配置文件
   • 选项B: 存储到数据库配置表
   • 选项C: 每次预测时动态计算（性能成本高）
   • Resolution: 11-04 采用选项C（动态计算）+ 返回结果给前端展示，不持久化。设计决策：避免过拟合特定时间段，每次获取最新优化结果

3. 置信度阈值如何定义?

   • 当前假设: >=70%为高，50-70%为中，<50%为低
   • 需根据实际回测数据调整阈值
   • Resolution: 11-02 Task 1 明确阈值定义：>=70%高（绿色）、50-70%中（橙色）、<50%低（红色），前端11-03使用相同映射

4. 前端如何展示新增的回测指标(NDCG、MRR)?

   • 需设计用户友好的展示方式
   • 可考虑简化为"预测质量评分"单一指标
   • Resolution: 11-03 Task 2 实现百分比显示 + 柱状图：NDCG@5/MRR以百分比展示，命中分布以柱状图可视化

---

Metadata

Confidence breakdown:

• 现有代码分析: HIGH — 直接阅读代码确认
• 回测指标扩展: HIGH — 基于成熟的推荐系统评估指标
• 置信度评估: MEDIUM — 实现方案可行，效果需验证
• 转移概率增强: MEDIUM — 理论可行，需回测验证效果
• 权重训练: MEDIUM — 方法成熟，但需足够数据支撑
• 组合特征挖掘: LOW — 需大量数据和验证
• 数据维度扩展: LOW — 新维度有效性不确定

Research date: 2026-05-01 Valid until: 30 days (算法优化方向相对稳定，但具体参数需定期验证)