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
