SSQ 高频红球统计工具 - 技术文档

技术架构

1. 核心模块

2. 数据流

网络数据源 ([数据源地址已隐藏])
    │
    ▼
DataFetcher ──拉取+解析──▶ DataManager ──存储──▶ data/ssq_data.csv
                                                      │
                                                      ▼
                                            RedBallStats (统计分析)
                                                      │
                              ┌───────────────────────┼───────────────────────┐
                              ▼                       ▼                       ▼
                        频率统计               连号分析                回测引擎
                        (功能页1-4)           (功能页5-6)             (功能页7)
                              │                       │                       │
                              └───────────────────────┼───────────────────────┘
                                                      ▼
                                              GUI 界面展示 (main.py)

技术实现细节

1. 数据获取

• 数据源：`[数据源地址已隐藏]
• 重试机制：最多重试 3 次，每次间隔 2 秒
• 编码检测：自动检测 UTF-8/GBK 编码
• 数据解析：按固定格式解析开奖数据（期号、日期、红1-红6、蓝球）
• 缓存机制：保存到 data/ssq_data.csv，网络不可用时使用缓存

2. 红球频率统计

核心函数：calc_red_frequency(df) → 返回 DataFrame[排名, 号码, 出现次数, 出现频率(%)]

• 遍历 6 列红球数据，统计 1-33 每个号码的出现次数
• 按出现次数降序排列（使用 kind='stable' 保证同频号码按号码升序排列）
• TOP20 高频红球提取：get_top20_high_freq_reds(df)

3. 连号统计分析（功能页 5）

核心函数：

• extract_consecutive_segments(numbers, consecutive_type) — 从已排序号码列表中提取指定长度的连续号码段
• 例如 [1,2,3,4,8,9,10]，3 连号 → [[1,2,3], [2,3,4], [8,9,10]]
• 4 连号 → [[1,2,3,4]]
• calc_consecutive_stats(df) — 统计 3/4/5/6 连号的出现期数和占比
• calc_draw_consecutive_info(df) — 为每期标注连号类型和详情
• find_consecutive_groups_in_top(top20, n_type) — 从 TOP20 热码中找出 N 连号组

4. 组合条件智能推荐（功能页 6）

核心函数：generate_consecutive_recommendations(...)

算法流程：

1. 获取当前 TOP20 热码
2. 从 TOP20 中提取指定类型（3/4/5/6）的所有连号组
3. 以每个连号组为基础，从热码中随机选取补充号码至 6 个红球
4. 确保热码数量在用户设定范围内（min-max）
5. 为每个组合自动附加蓝球（从最近 100 期蓝球 TOP10 随机选择）
6. 去重、排序、输出

5. 连号回测分析（功能页 7）

5.1 回测原理

对每一期开奖 i（i >= min_past_periods），使用第 0 ~ i-1 期作为历史数据：

1. 分别用不同期数范围（全部期数 / 最近 200 / 100 / 50 / 自定义）计算 TOP20 热码
2. 从 TOP20 中提取 N 连号组（N = 3/4/5/6）
3. 提取第 i 期实际开奖中的 N 连号段
4. 检查实际连号段是否出现在 TOP20 的 N 连号组中
5. 统计命中率 = 命中次数 / 实际出现次数

5.2 性能优化：增量更新算法

问题：原始实现每期都重新遍历前 i 期全部数据计算频率，复杂度 O(n²)，500 期数据需 70 秒。

解决方案：_RollingFreqCounter 滚动窗口频率计数器

class _RollingFreqCounter:
    """增量更新频率计数器"""
    def __init__(self, window_size):
        self.counts = np.zeros(34, dtype=np.int64)  # 索引1-33
        self._queue = []  # 滑动窗口数据

    def add_period(self, reds):
        # 增量加入一期的6个红球
        for n in reds:
            self.counts[n] += 1
        self._queue.append(reds)
        # 滑动窗口：超长时移除最早的一期
        if len(self._queue) > self.window_size:
            old = self._queue.pop(0)
            for n in old:
                self.counts[n] -= 1

    def get_top20(self):
        # numpy argsort 实现 O(33) 排序
        order = np.argsort(-self.counts[1:34], kind='stable')
        return [i + 1 for i in order[:20]]

优化效果：
| 指标 | 旧版 | 优化版 | 提升 |
|------|------|--------|------|
| 算法复杂度 | O(n²) | O(n) | n 倍 |
| 500 期耗时 | 70 秒 | 0.22 秒 | 320 倍 |
| 计算次数 | 汇总+明细各算一遍 | 合并为一次 | 2 倍 |

5.3 核心函数

• run_consecutive_backtest_combined(df, ...) — 优化版主函数，一次计算同时返回汇总表和明细表
• run_consecutive_backtest(df, ...) — 旧版汇总回测（保留兼容）
• run_consecutive_backtest_detail(df, ...) — 旧版明细回测（保留兼容）

5.4 后台线程

回测在 threading.Thread(daemon=True) 中执行，通过 self.root.after(0, callback) 回到 Tkinter 主线程更新 UI，避免界面冻结。

6. 号码推荐实现（功能页 4）

• 算法原理：基于 TOP20 高频红球，结合分区分布、冷热温比例、连号/重号/邻号规则和 AC 值筛选
• 生成逻辑：

1. 随机选择 3-5 个高频号码
2. 按分区分布补充非高频号码
3. 添加 1 组两连号
4. 保留 1-2 个上期号码作为重号
5. 考虑上期号码 +/-1 的邻号
6. 计算并筛选 AC 值（5-10）
7. 从最近 100 期蓝号 TOP10 随机选择蓝号

7. 注册系统实现

• 硬件 ID 生成：基于 MAC 地址、主板 UUID、CPU ID 等生成唯一设备 ID
• 试用期管理：7 天试用期，通过本地文件和隐藏标记文件记录
• RSA 加密：使用 2048 位 RSA 密钥对授权文件进行签名和验证
• FTP 验证：通过 FTP 服务器同步注册信息，确保授权真实性

GUI 界面实现

• 布局：Tkinter Notebook 选项卡，7 个功能页
• 表格：Treeview 组件展示表格数据
• 交互：按钮、输入框、复选框、单选按钮、对话框
• 颜色标记：Treeview tag 配置实现行/单元格背景色区分
• 后台计算：threading.Thread + root.after 模式避免 UI 冻结

技术栈

性能优化

1. 数据缓存：本地 CSV 缓存，减少网络请求
2. 批量处理：pandas 向量化操作，提高数据处理效率
3. 增量更新：回测使用滚动窗口计数器，避免重复遍历
4. 后台线程：耗时计算（回测）在 daemon 线程执行，不阻塞 UI
5. 预提取数据：回测前一次性提取全部红球到 numpy 数组，避免循环中反复访问 DataFrame
6. 异常处理：完善的异常处理机制，确保软件稳定性

安全性

1. RSA 加密：非对称加密验证授权文件
2. 硬件绑定：授权与设备 ID 绑定，防止授权文件被复制
3. 服务器验证：通过 FTP 服务器验证授权状态，防止伪造
4. 错误处理：避免敏感信息泄露

部署说明

开发环境

1. 安装 Python 3.8+
2. 安装依赖：pip install -r requirements.txt
3. 运行主程序：python main.py

打包部署

1. 使用 PyInstaller 打包：pyinstaller --onefile --windowed main.py
2. 生成的可执行文件位于 dist 目录
3. 打包时需包含 registration 目录和 config.py 等配置文件

版本历史

技术支持

• 作者：摸球校尉陈八七
• 微信：moqiuxiaowei

⚠️ 重要风险提示（必看）

核心风险声明

彩票本质：双色球开奖结果为独立随机事件，每一期开奖概率均等，无固定规律可循

系统能力边界：本系统仅能对历史数据进行转换、统计、展示，无法预测未来开奖结果，无任何中奖承诺，所有输出仅为数据探索结果，非购彩建议

理性购彩指南

• 彩票是娱乐方式，非投资手段
• 量力而行，禁止大额、非理性、借贷购彩
• 不依赖任何分析工具、公式、规律作为购彩依据
• 遵守国家彩票管理条例，通过官方渠道购彩

责任声明

• 本系统仅提供数据统计服务
• 因使用本系统进行购彩决策产生的任何损失，由使用者自行承担
• 开发者与版权方不承担任何法律责任