初步研发了一套基于机器学习方法Scikit-learn(sklearn)与Python结合实现的气象预报以及气象动态展示系统,本系统分为两个模块,第一个模块为气象信息动态展示模块。使用Python作为后端语言,JavaScript、Html、CSS作为前端基本框架,实现天气动态展示。主要原理为:使用Python爬虫爬取天气数据到数据库中并通过JavaScript动态显示到前端页面。页面展示**地图,单击即可进入省份地图,鼠标移动到即可显示当前城市的相关信息以及出行建议。第二个模块为气象预测模块,本模块主要采用随机树森林(RandomForest)作为场景模型,使用MAE(Mean_Absolute_Error)平均错误数值方法作为系统的评估方法。主要原理为:使用python爬虫,爬取去年相关天气数据做训练集和训练验证集,爬取当前日期半个月前到现在的每日天气数据做预测数据集,系统进行数据预处理后训练模型,模型基于最近前十五天的天气数据,对气温,降雨量,风力等参数作出预测,并将预测结果存入数据库,导入Html页面动态显示。通过测试分析试验,对比分析了青岛市的气象预测数据,各项数据误差在可接受范围之内,系统运行正常。
①主页面:
②光标经过省份
③点击省份
④光标经过市
- Python(3.9.0)结合Flask框架(1.1.2)。
- 涉及到的机器学习相关库:Sklearn(0.24.0)、Panda(0.3.1)、Seaborn(0.11.1)、Joblib(1.0.0)。
- 引擎:Apache-ECharts(5.0.0)。
- 场景模型:随机树森林(RandomForest)。
- 评估方法:MAE(Mean_Absolute_Error)平均错误数值方法。
- 数据访问层:MySQL--connector 驱动。
- 数据库:MySQL。
- 前端相关:JavaScript、HTML、CSS、Ajax等。
- 数据传输与保存格式:JSON。
- 训练集于结果集数据来源:meteomanz.com。
- 全国实时天气动态展示(基于**天气网每日四次更新)
- 动态地图查询效果更直观
- 内容包括出行建议/穿衣建议/紫外线指数等多项,实用且方便
- 基于之前气象数据通过机器学习建立气象模型并训练、验证
- 绘制未来一周气象折线图
- 实现气象的未来七天的实时预测(平均气温、最高温度、最低温度、降雨量、风力)
①城市数据库表结构
②预测数据库表结构
③目录结构
④JSON数据样式
⑤气象预测功能实现
⑥主界面详细1
⑦主界面详细2
⑧气象预测折线图