|
目 录
目 录
第1章 绪论
1.1课题配景及意义
1.2国表里研究现状
1.2.1国表里研究现状
1.3研究的紧张内容
第2章 系统需求分析与可行性设计
2.1功能需求分析
2.1.1系统管理员用例
2.1.2用户用例
2.2 所需技术分析
2.2.1 Flask
2.2.2 MySQL
2.3系统可行性
2.3.1经济可行性分析
2.3.2技术可行性分析
2.3.3操作可行性分析
第3章 系统功能总体设计
3.1设计目标
1.1 降雨情况爬虫设计
1.2 降雨预测步伐设计
第4章 系统详细分析与设计
4.1 开发环境与设置
4.2 数据库的设计
4.3 系统功能模块实现
4.4 本章小结
第5章 系统功能实现与运行测试
5.1配景登录页面
5.1.1功能概要
5.1.2详细形貌
5.2信息管理
5.2.1降雨信息管理
5.2.2 降雨情况可视化看板功能
第6章 总结与展望
6.1 系统开发遇到的问题
6.2展望
参考文献
基于大数据的数字生降雨情况预测系统
择要： 基于大数据的数字生降雨情况预测系统是一种使用大数据技术和呆板学习模型对生降雨情况进行预测和分析的系统。该系统紧张包括以下几个步骤：
数据源获取与处理：系统通过使用Python的pandas库，读取气象数据、历史降雨数据等泉源的数据，并进行数据洗濯、整合和标准化处理，以便后续的模型练习和分析。
降雨预测模型构建：系统采用合适的呆板学习或统计模型，如支持向量机、神经网络等，使用Python的相关库（如scikit-learn、TensorFlow等）进行模型的构建和练习。这些模型可以根据历史数据和气象特征来学习和预测降雨情况。
模型评估与优化：系统采用相关评估指标（如准确率、召回率等），使用Python的相关库（如sklearn.metrics等）对模型进行评估。根据评估结果，系统可以进行模型调解和优化，以提高预测的准确性和可靠性。
可视化界面设计：系统使用Python的相关库（如matplotlib、seaborn、Bokeh等）进行数据可视化展示，将预测结果以图表、地图等情势出现给用户。同时，系统可以使用Python的Tkinter库或其他前端技术进行界面设计，提供用户友爱的交互界面。
基于大数据的数字生降雨情况预测系统可以在气象预测、城市规划、农业生产等范畴发挥紧张作用。通过使用大数据和呆板学习技术，该系统可以提供准确的降雨预测信息，帮助人们做出公道的决策和应对相应的应急措施。
关键词：降雨情况；Flask； Python；预测系统
A Digital Rainfall Prediction System Based on Big Data
Abstract: The digital rainfall prediction system based on big data is a system that utilizes big data technology and machine learning models to predict and analyze rainfall conditions. The system mainly includes the following steps:
Data source acquisition and processing: The system uses the Pandas library in Python to read meteorological data, historical rainfall data, and other sources of data, and performs data cleaning, integration, and standardization processing for subsequent model training and analysis.
Rainfall prediction model construction: The system adopts appropriate machine learning or statistical models, such as support vector machines, neural networks, etc., and uses Python related libraries (such as scikit learn, TensorFlow, etc.) to build and train the model. These models can learn and predict rainfall based on historical data and meteorological features.
Model evaluation and optimization: The system adopts relevant evaluation indicators (such as accuracy, recall, etc.) and uses Python's relevant libraries (such as sklearn. metrics, etc.) to evaluate the model. Based on the evaluation results, the system can adjust and optimize the model to improve the accuracy and reliability of predictions.
Visual interface design: The system utilizes Python related libraries (such as matplotlib, seaborn, Bokeh, etc.) for data visualization display, presenting prediction results to users in the form of charts, maps, etc. Meanwhile, the system can use Python's Tkinter library or other front-end technologies for interface design, providing a user-friendly interactive interface.
The digital rainfall prediction system based on big data can play an important role in meteorological prediction, urban planning, agricultural production, and other fields. By utilizing big data and machine learning technologies, this system can provide accurate rainfall prediction information, helping people make reasonable decisions and respond to corresponding emergency measures.
Keywords: Rainfall situation; Flask; Python; Prediction system
第1章 绪论
1.1课题配景及意义
基于大数据的降雨预测系统的研究配景源于对气象预测和防灾减灾的需求。降雨是地球上常见的天气征象，但其强度和分布的变化对人类的生产、生活和环境都有紧张影响。因此，准确地预测降雨情况对于农业、水资源管理、城市防洪等方面的决策至关紧张。
传统的降雨预测方法紧张依赖于气象观测站点的数据和气象模型。然而，这种方法在空间上和时间上的覆盖范围有限，且受到观测装备和模型精度的限定。随着大数据技术的发展，越来越多的气象数据和相关信息被收集和存储下来，这为降雨预测提供了新的机遇。
大数据技术可以从多个泉源获取大量的气象数据，包括气象站观测数据、卫星遥感数据、气象雷达数据等。这些数据的整合和分析可以揭示降雨的时空分布规律，为降雨预测提供更全面、准确的信息。
另外，呆板学习和数据发掘等技术也为降雨预测提供了新的本领。通过对历史的气象数据进行分析和建模，可以发现降雨与其他气象要素之间的关系，并构建预测模型。这些模型可以使用大数据中的隐含规律，提高降雨预测的准确性和及时性。
综上所述，基于大数据的降雨预测系统的研究配景是基于对气象预测和防灾减灾需求的实际问题，结合大数据技术和呆板学习方法，通过整合和分析多源数据，提高降雨预测的精度和结果，为人们的决策提供科学依据。
基于大数据的降雨预测系统的研究具有以下紧张意义：
提高防灾减灾能力：降雨是引发洪涝、山洪、泥石流等天然灾难的紧张因素之一。通过建立基于大数据的降雨预测系统，可以提前获得降雨情况的准确信息，进而提供更精确的灾难风险评估和预警，有效加强防灾减灾工作，最大限度地保护人民生命财产安全。
促进农业生产管理：降雨对农业生产具有紧张影响。通过基于大数据的降雨预测系统，可以提供准确的降雨预测信息，帮助农夫制定科学的种植和灌溉计划，优化农业生产管理，提高农作物产量和质量，推动农业可持续发展。
支持水资源管理：降雨是水资源的紧张补给源。通过基于大数据的降雨预测系统，可以预测降雨时空分布规律，为水资源管理提供参考依据。这有助于公道规划水资源的使用和调配，提高水资源使用服从，满足人民生活、工农业生产、生态环境保护等方面的需求。
促进城市规划和建设：降雨对城市排水系统和防洪办法的设计具有紧张影响。基于大数据的降雨预测系统可以提供准确的降雨预测信息，为城市规划和建设提供科学依据。通过公道规划排水系统和防洪办法，可以淘汰城市内涝和洪涝灾难的发生，提升城市的抗灾能力和可持续发展水平。
推动气象科学发展：基于大数据的降雨预测系统将大数据技术与气象科学相结合，推动了气象科学的发展。通过大规模数据的整合和分析，可以揭示降雨与其他气象要素之间的关系，深化对降雨形成机制的认识，提起落雨预测的精度和可靠性。
总之，基于大数据的降雨预测系统的研究意义重大，不但具有实际应用价值，另有助于推动相关学科的发展和促进社会经济的可持续发展。
1.2国表里研究现状
1.2.1国内外研究现状
基于大数据的降雨预测系统是当前国表里气象范畴的研究热点之一。以下是国表里在该范畴的研究现状：
国内研究现状：
中国气象局：中国气象局致力于提高降雨预测的准确性和时效性，通过整合多源数据，如卫星遥感、气象观测和雷达数据等，开展基于大数据的降雨预测研究，推动预报技术的创新与应用。
清华大学：清华大学开展了基于大数据和呆板学习的降雨预测研究，通过建立多元回归、支持向量机等模型，使用大规模的观测和遥感数据，提高降雨预测的精度和时空分辨率。
浙江大学：浙江大学开展了基于气象雷达和卫星数据的降雨预测研究，使用大数据技术对雷达和卫星数据进行处理和分析，提取有用的特征信息，实现对降雨的准确预测。
国外研究现状：
美国国家气象局（NOAA）：NOAA致力于发展基于大数据的降雨预测系统，通过整合气象观测、卫星遥感和气象雷达等多源数据，运用呆板学习和深度学习等先辈算法，提高降雨预测的准确性和时效性。
欧洲中期天气预报中央（ECMWF）：ECMWF使用大数据技术进行天气预报研究，包括降雨预测。他们通过整合全球气象观测数据、卫星遥感数据和气候模式输出等数据源，开展降雨预测模型的改进与优化。
澳大利亚联邦科学与工业研究组织（CSIRO）：CSIRO在基于大数据的降雨预测方面进行了深入研究，通过整合差异数据源，如气象雷达、卫星遥感和气象模型输出等数据，开发出高分辨率的降雨预测模型，并应用于洪涝灾难预警和水资源管理等范畴。
综上所述，国表里在基于大数据的降雨预测系统研究方面都取得了肯定的进展。通过整合多源数据、运用呆板学习和深度学习等先辈技术，可以提高降雨预测的准确性和时效性，为防灾减灾、农业生产管理、城市规划等范畴提供有力支持。
1.3研究的紧张内容
基于Python和大数据技术，设计和实现一个雨情预测系统，旨在预测未来降雨情况，帮助相关人员做好防汛准备工作。 该系统通过收集和分析气象数据、历史降雨数据等，运用呆板学习算法或统计模型进行降雨预测，为防汛部门提供可靠 的决策依据。
第2章 系统需求分析与可行性设计
2.1功能需求分析
降雨分析系统中紧张有两类用户：管理员、平常人员。每一类用户都有自己的权限，差异用户登陆系统后显示的菜单栏是差异的，显示每一类用户所对应的模块。
2.1.1系统管理员用例
管理员用例紧张包括注册登录、基本信息管理、历史天气管理、降雨预测等模块，如图2.1所示。
表2-1 管理员登陆
项
| 形貌
| 形貌
| 用户输入用户名和暗码之后，系统判断是管理员角色，登录降雨分析系统
| 基本流程
|
- 管理员进入管理员登陆页面
- 输入管理员用户名和暗码之后，点击登陆按钮
- 系统验证管理员信息精确性
- 验证成功后，系统切换至管理员主页面
| 返回数据
| 管理员登陆结果集
|
表2-2基本信息管理
项
| 形貌
| 形貌
| 登录成功，进入系统的基本信息管理界面，可以对基本信息管理进行操作
| 基本流程
|
- 管理员登录成功进入系统
- 进入基本信息管理界面
- 对基本信息管理进行操作
- 确认是否进行操作
- 操作成功提示
- 显示操作之后的信息
| 返回数据
| 基本信息结果集
|
表2-3 降雨情况管理
项
| 形貌
| 形貌
| 管理员可以进入天气管理界面，可以对降雨信息管理进行操作
| 基本流程
|
- 管理员登录成功进入系统
- 进入天气管理界面
- 对降雨信息管理进行操作
- 确认是否进行操作
- 操作成功提示
- 显示操作之后的信息
| 返回数据
| 天气结果集
|
|
|
表2-4 降雨预测
项
| 形貌
| 形貌
| 管理员可以进入降雨预测界面，可以对降雨预测进行操作
| 基本流程
|
- 管理员登录成功进入系统
- 进入降雨预测界面
- 对降雨预测进行操作
- 确认是否进行操作
- 操作成功提示
- 显示操作之后的信息
| 返回数据
| 降雨预测结果集
|
2.1.2用户用例
用户紧张包括注册登录、基本信息查询、历史天气查询、降雨预测等模块，如图2.5所示。
表2-5 用户登陆
项
| 形貌
| 形貌
| 用户输入用户名和暗码之后，系统判断是管理员角色，登录降雨分析系统
| 基本流程
|
- 管理员进入管理员登陆页面
- 输入管理员用户名和暗码之后，点击登陆按钮
- 系统验证管理员信息精确性
- 验证成功后，系统切换至管理员主页面
| 返回数据
| 管理员登陆结果集
|
表2-6个人基本信息管理
项
| 形貌
| 形貌
| 登录成功，进入系统的基本信息管理界面，可以对基本信息管理进行操作
| 基本流程
|
- 管理员登录成功进入系统
- 进入基本信息管理界面
- 对基本信息管理进行操作
- 确认是否进行操作
- 操作成功提示
- 显示操作之后的信息
| 返回数据
| 基本信息结果集
|
表2-7 降雨历史查询
项
| 形貌
| 形貌
| 管理员可以进入天气管理界面，可以对降雨信息管理进行操作
| 基本流程
|
- 管理员登录成功进入系统
- 进入天气管理界面
- 对降雨信息管理进行操作
- 确认是否进行操作
- 操作成功提示
- 显示操作之后的信息
| 返回数据
| 天气结果集
|
表2-8 降雨预测
项
| 形貌
| 形貌
| 管理员可以进入降雨预测界面，可以对降雨预测进行操作
| 基本流程
|
- 管理员登录成功进入系统
- 进入降雨预测界面
- 对降雨预测进行操作
- 确认是否进行操作
- 操作成功提示
- 显示操作之后的信息
| 返回数据
| 降雨预测结果集
|
2.2 所需技术分析
2.2.1 Flask
Flask是一个开放源代码的Web应用框架，由Python写成。采用了MTV的框架模式，即模型M，视图V和模版T。它最初是被开发来用于管理劳伦斯网络IP 团体旗下的一些以消息内容为主的网站的，便是CMS（内容管理系统）软件。并于2005年7月在BSD允许证下发布。这套框架是以比利时的吉普赛爵士吉他手Flask Reinhardt来命名的。2019年12月2日，Flask 3. 0发布 。
Flask是高水准的Python编程语言驱动的一个开源模型．视图，控制器风格的Web应用步伐框架，它起源于开源社区。使用这种架构，步伐员可以方便、快捷地创建高品格、易维护、数据库驱动的应用步伐。这也正是OpenStack的Horizon组件采用这种架构进行设计的紧张缘故原由。另外，在Dj ango框架中，还包含很多功能强盛的第三方插件，使得Flask具有较强的可扩展性。Flask 项目源自一个在线消息 Web 站点，于 2005 年以开源的情势被释放出来。其工作流程紧张可划分为以下几步：
1.用manage .py runserver 启动Flask服务器时就载入了在同一目录下的settings .py。该文件包含了项目中的设置信息，如前面讲的URLConf等，此中最紧张的设置就是ROOT_URLCONF，它告诉Flask哪个Python模块应该用作本站的URLConf，默认的是urls .py。
2.当访问url的时候，Flask会根据ROOT_URLCONF的设置来装载URLConf。
3.然后按顺序逐个匹配URLConf里的URLpatterns。如果找到则会调用相关联的视图函数，并把HttpRequest对象作为第一个参数(通常是request)。
4.最后该view函数负责返回一个HttpResponse对象。
2.2.2 MySQL
MySQL是关系型数据库管理系统（RDBMS），是RDBMS中最流行的一种，且很多操作系统上都能运行 MySQL。安装容易，运营本钱低，便于维护。与其他大型数据库相比，对初学者更加友爱，容易学习。与此同时，MySQL也是网络应用的最佳RDBMS之一[14]。
2.3系统可行性
在深入了解一个降雨情况的运行状况和管理方式之后，为了更好的对降雨情况运作进行分析。从经济可行性、技术可行性和操作可行性三个角度对降雨分析系统进行了探讨。
2.3.1经济可行性分析
大数据在降雨预测方面可以提供更准确的预测结果，从而为农业、水资源管理、城市规划等范畴提供紧张参考。然而，评估基于大数据的降雨预测系统的经济可行性需要思量以下几个因素：
数据采集和处理本钱：建立有效的降雨预测系统需要大量的气象数据，而且需要进行适当的处理和分析。这些数据可能需要从各种传感器、卫星、气象站等装备中收集，这涉及到装备采购、数据传输和处理的本钱。
建模和算法开发本钱：基于大数据的降雨预测系统需要开发和维护复杂的数学模型和算法。这需要专业的人员进行研究和开发，而且需要不停改进和更新模型以提高预测准确性。这些开发和维护本钱需要纳入经济可行性评估。
市场需求和贸易机会：评估降雨预测系统的经济可行性还需要思量市场需求和贸易机会。该系统是否能够满足用户的需求？是否有充足的市场份额和潜在客户？是否存在贸易模式，如订阅、授权或广告收入，可以支持系统的可持续发展？
社会效益和本钱效益分析：大数据的降雨预测系统可能会带来紧张的社会效益，如淘汰灾难风险、提高农作物产量、改善水资源管理等。这些效益可以通过本钱效益分析进行评估，以确定系统的经济可行性。
总之，基于大数据的降雨预测系统的经济可行性需要综合思量数据采集和处理本钱、建模和算法开发本钱、市场需求和贸易机会，以及社会效益和本钱效益分析。只有在综合评估这些因素后，才能确定该系统是否具有经济可行性。
2.3.2技术可行性分析
本系统应用的开发使用了MySQL作为降雨分析系统相关数据的存储中央。采用的语言是稳固的Python语言，团体开发架构是：后端使用的是：Flask框架，Flask目前被很多大公司使用，是一个可靠的技术框架，前端使用的echarts组件等，操作流畅、运行速率快。因此，该系统在技术上是充足可行的。
2.3.3操作可行性分析
- 此系统的界面设计简便明白、美观大方，各个组件操作起来比较流畅，对操作人员来说，页面的提示通俗易懂。
- 此系统，对有盘算机经验或者经过简单培训的操作人员来说，易于使用。
- 对于操作人员十分友爱，只需查看操作手册或者步伐说明便可灵活使用，同时，也能满足差异操作人员的需求。
第3章 系统功能总体设计
3.1设计目标
本管理系统是为了深入研究降雨情况等业务模块，基于Python和大数据技术，设计和实现一个雨情预测系统，旨在预测未来降雨情况，帮助相关人员做好防汛准备工作。该系统通过收集和分析气象数据、历史降雨数据等，运用呆板学习算法或统计模型进行降雨预测，为防汛部门提供可靠的决策依据。
这个项目我们的紧张目标是爬取中国海洋网的降雨情况信息，包括天气岗
位、降雨情况名称和降雨情况形貌和规模等详细详情信息，下面形貌本文爬虫工程紧张设计步骤。
(1)创建项目
打开一个终端输入:scrapy startproiect python_ zgc _data，Scrapy框架将会在指定目录下生成整个工程框架。系统生成的目录如下图3-2所示:
图3-2爬虫框架目录布局
(2)修改setting文件
如图3-1所示为修改后的setting文件紧张内容,本设计紧张修改三项内容，
第一个是不遵循呆板人协议，第二个是下载间隙，由于下面的步伐要下载多个页
面，以是需要给一个间隙(不给也可以，只是很容易被侦测到)，第三个是请求
头，添加一个User-Agent。
表3-1 爬虫setting文件紧张设置
BOT_NAME = 'python_city_data'
SPIDER_MODULES = ['python_city_data.spiders']
NEWSPIDER_MODULE = 'python_city_data.spiders'
# Crawl responsibly by identifying yourself (and your website) on the user-agent
#USER_AGENT = 'python_city_data (+http://www.yourdomain.com)'
#换伪造请求头
USER_AGENT = "Mozilla/5.0 (Windows NT 6.1) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/41.0.2228.0 Safari/537.36"
# Obey robots.txt rules
ROBOTSTXT_OBEY = False
|
(3)确认要提取的数据，item 项
item定义你要提取的内容(定义数据布局)，比如我提取的内容为降雨情况的所在城市和降雨情况天气详情，于是需要在items类中新建对应的实体类，并需要设置相应的字段取出对应的数据。Field 方法实际上的做法是创建一个字典，给字典添加一个建，暂时不赋值，等待提取数据后再赋值。
(4)开发爬虫步伐，访问下载网页，使用Xpath语法提取内容
卷积神经网络（Convolutional Neural Network, CNN）可以用于降雨预测使命。下面是一个基本的卷积神经网络预测降雨的流程：
数据准备：收集降雨相关的数据集，包括气象数据、历史降雨数据等。将数据集划分为练习集和测试集。
数据预处理：对数据进行预处理，包括数据洗濯、归一化等。常见的预处理步骤包括特征缩放、平均值去除、标准化等。
构建 CNN 模型：使用卷积神经网络构建降雨预测模型。CNN模型通常由多个卷积层、池化层和全毗连层构成。卷积层用于提取图像特征，池化层用于减小特征图的尺寸，全毗连层用于输出预测结果。
编译模型：选择适当的丧失函数和优化算法，并编译模型。常见的丧失函数包括均方毛病（Mean Squared Error, MSE）和交叉熵（Cross Entropy），常见的优化算法包括随机梯度下降（Stochastic Gradient Descent, SGD）和Adam等。
练习模型：使用练习集对模型进行练习。通过反向传播算法，优化模型的参数以最小化丧失函数。可以设置合适的练习轮数（epochs）和批量巨细（batch size）。
模型评估：使用测试集评估模型性能。常见的评估指标包括准确率（accuracy）、精确度（precision）、召回率（recall）等。
预测结果：使用练习好的模型对新的输入数据进行预测。将输入数据输入到模型中，获取模型的输出结果。
结果分析和优化：分析模型的预测结果，并根据需要进行模型优化和调解，例如调解网络架构、调解超参数、增加数据量等。
需要注意的是，降雨预测是一个复杂的问题，单独使用卷积神经网络可能无法到达很高的预测准确率。通常需要结合其他气象学知识、特征工程和模型融合等方法来提高降雨预测的结果。以上流程仅为基本示例，实际应用中可能需要根据详细情况进行修改和优化。
模型共包含9层(输入、输出和7个隐蔽层)。隐蔽层在ConvLSTM2D层和BatchNormalization层之间互换。ConvLSTM2D层就像简单的LSTM层，但是它们的输入和循环转换卷积。ConvLSTM2D层在保存输入维度的同时，随着时间的推移执行卷积运算。你可以把它想象成一个简单的卷积层，它的输出被压平，然后作为输入传递到一个简单的LSTM层。ConvLSTM2D层吸收情势为(samples, time, channels, rows, cols)的张量作为输入，输出情势(samples, timesteps, filters, new_rows, new_cols)。以是它们在一段时间内对一系列帧进行运算。
ConvLSTM2D层之间的BatchNormalization层进行归一化操作
对于所有的层(除了输出层)，都使用LeakyRelu激活函数，他比ReLu好一些，而且和ReLu一样快。
该模型采用二元交叉熵丧失函数和Adadelta梯度下降优化器进行拟合。由于数据的高维数，Adadelta会比经典Adam优化器有更好的结果。模型练习了25个epoch(之后开始过拟合)。
图3-3 CNN算法预测的过程
在练习模型之后，使用来自验证数据集的示例数据进行测试。模型的输入是18个连续的帧(对应于雷达捕捉到的近1.5小时的信号)，它返回下一个18个预测帧(对应于接下来的1.5小时)。
表3-4 CNN模型构建核心代码
| import numpy as npimport tensorflow as tf
# 准备数据集# X_train 和 y_train 是练习数据集，X_test 和 y_test 是测试数据集
X_train = ...
y_train = ...
X_test = ...
y_test = ...
# 数据预处理
X_train = X_train.astype('float32') / 255.0
X_test = X_test.astype('float32') / 255.0
# 构建 CNN 模型
model = tf.keras.Sequential([
tf.keras.layers.Conv2D(32, (3, 3), activation='relu', input_shape=(image_height, image_width, channels)),
tf.keras.layers.MaxPooling2D((2, 2)),
tf.keras.layers.Conv2D(64, (3, 3), activation='relu'),
tf.keras.layers.MaxPooling2D((2, 2)),
tf.keras.layers.Conv2D(64, (3, 3), activation='relu'),
tf.keras.layers.Flatten(),
tf.keras.layers.Dense(64, activation='relu'),
tf.keras.layers.Dense(1, activation='sigmoid')
])
# 编译模型
model.compile(optimizer='adam',
loss='binary_crossentropy',
metrics=['accuracy'])
# 练习模型
model.fit(X_train, y_train, epochs=10, batch_size=32, validation_data=(X_test, y_test))
# 使用模型进行预测
predictions = model.predict(X_test)
# 输出预测结果print(predictions)
|
丧失函数为均方毛病函数：
，此中y为降雨量的真实数值，output为卷积神经网络学习后的预测值，图5-10是上述卷积神经网络在练习100000次迭代内的丧失图，由图可以看出在前60000次迭代的网络丧失变化幅度较大，在100000次迭代后网络的丧失接近在5°以内。
图3-5 卷积神经网络迭代丧失图
第4章 系统详细分析与设计
基于Flask的降雨分析可视化分析平台的基本业务功能是采用Flask框架实现的， 在本文的第四章将详细介绍配景系统的实现部门，包括详细论述了系统功能模块的详细实现，并展示说明白部门模块的功能界面。
4.1 开发环境与设置
4.1.1 开发环境
本系统设计基于B/S架构，此中服务器包括应用服务器和数据库服务器。这种架构模式，使用户只需要在有网络的地方即可通过欣赏器访问，而不需要再安装天气端软件，交互性更强。基于Flask的降雨分析可视化分析平台使用IDEA集成开发工具。而系统运行设置时，选择应用本地来摆设Web服务器来保障平台的正常运行，本地 是Apache的核心项目，其技术先辈、性能稳固而且开源免费，因而被广泛应用。本系统的紧张开发环境以及开发工具如表4-1所示。
表4-1 系统开发环境和工具
项目
| 系统环境及版本
| 硬件环境
| Windows 64 位操作系统
| Python
| Python2.6
| 数据库
| MySql
| 开发工具
| Pycharm
| 项目架构
| Flask
|
4.1.2 框架设置介绍
本系统使用集成开发工具Pycharm进行开发，由于 IDEA 中本地设置详细资料有很多，不做详细赘述， 本文紧张介绍 Flask框架，起首需要在项目中中引入各框架以及数据库毗连等所需要工具包。
图4-1 配景的设置文件
4.2 数据库的设计
数据库设计是系统设计中特别紧张的一部门。数据库的好坏决定着整个系统的好坏，而且，在之后对数据库的系统维护、更新等功能中，数据库的设计对整个步伐有着很大的影响。
根据功能模块的划分结果可知，本系统的用户由于使用账号和暗码进行登录，因此在本系统中需要分别进行数据记录。起首根据如下6个数据实体:用户、降雨分析可视化等数据库表。
用户的属性包括用户编号、用户名、暗码和性别、注册账号的时间。用户实体属性图如图4-2所示：
图4-2 用户实体属性图
根据以上分析，各个实体之间有肯定的关系，使实体与实体可以接洽起来，建立成整个系统的逻辑布局，本系统中，平常用户通过对降雨分析可视化的管理，使降雨分析可视化与用户实体存在对应关系。
4.3 系统功能模块实现
4.3.1登录认证
用户登录时需要在登录界面输入用户名、暗码进行身份认证，要求必须是表单认证、校验。详细流程如时序图如4-2所示。
图4-3登录界面图
图4-2登录认证流程图
4.3.2降雨历史数据功能
降雨情况管理功能是对降雨情况进行查询，删除等操作的功能聚集，降雨情况管理功能使用到了降雨情况表t_tianqi，降雨情况表t_tianqi的紧张数据字段，布局，类型及形貌如下表4-2所示。
表4-2 降雨情况表字段
| 字段名称
| 数据类型
| 是否允许为空
| 形貌
| | id
| int
| 不允许
| 自增主键，唯一ID
| | cityname
| String
| 允许
| 所在地区名称
| | company
| String
| 允许
| 最低温度
| | company_size
| String
| 允许
| 最高温度
| | Fengxiang
| String
| 允许
| 白天风向
| | experience
| String
| 允许
| 夜晚风向
| | industry
| String
| 允许
| 采集年份
| | recruiter
| String
| 允许
| 降雨量
| | salary
| String
| 允许
| 范围
|
降雨分析可视化分析系统的降雨分析管理功能界面如下图所4-4所示:
图4-4 降雨历史数据管理
降雨分析管理功能流程功能图如图4-5所示：
图4-5 降雨历史管理功能流程图
通过“降雨分析可视化分析”按钮，进入降雨分析可视化分析界面，用户可以看到降雨分析可视化列表，例如：降雨分析可视化名称、所属种别、长度、降雨分析可视化目标地、降雨分析可视化源、降雨分析可视化时间的详细信息。通过此界面，用户可以对降雨分析可视化进行删除管理操作。
4.3.3降雨分析可视化大数据看板功能
数据可视化模块就是对我们采集和盘算的分析结果的展示。数据分析模块的
数据进行一个精致而又直接的展示，我们采用大屏的方式进行展示，展示数据结
构分明，配景具有科技感，把相对复杂的、抽象的数据通过可视的、交互的方式
进行展示，从而形象直观地表达数据蕴含的信息和规律。
图4-6 降雨分析可视化界面
降雨可视化分析开发的难点并不在于图表类型的多样化，而在于怎样能在简单的一页之内让用户读懂降雨分析可视化数据之间的层次与关联，这就关系到布局、色彩、图表、动效的综合运用。如排版布局应服务于业务，避免为展示而展示；配色一般以深色调为主，注重团体配景和单个视觉元素配景的一致性。本文使用Echarts中地图、线条等组件，将分析结果较为直观的展示给平台用户，使得用户能够轻便的获取有效的信息。
4.4 本章小结
本章紧张分析了基于Flask的降雨分析可视化分析系统开发过程中使用到的技术和详细的实现步骤，这此中紧张介绍了基于Flask框架的降雨分析可视化分析系统的搭建环境和开发步骤，包括步伐中的一些数据库设置等。前端页面采用的是html实现。
第5章 系统功能实现与运行测试
5.1配景登录页面
5.1.1功能概要
该功能是用于用户登陆降雨分析系统，当用户输入用户名和暗码之后，经过数据校验，成功则进入主页面。
5.1.2详细形貌
该配景登录功能，通过向配景登录接口发送请求，如图5.1是配景登录界面。登陆成功，则提示登陆成功，并跳转到天气管理信息界面，如图5.2所示。
图 5. 1 配景登录页面截图
图 5. 2 登录成功页面
5.2信息管理
5.2.1降雨信息管理
降雨信息管理功能：实现降雨信息的相关操作。如图5.3是天气管理详情界面，进入天气管理界面，加载完毕则显示所有的降雨信息。
添加降雨信息：进行添加操作后，会弹出一个dialog让用户输入降雨信息。表单带*号的需要验证输入正当性，如图5.4所示。
图 5. 3 降雨信息管理
5.2.2 降雨情况可视化看板功能
数据分类预测模块就是对我们采集和盘算的分析结果的展示。数据分析模块的
数据进行一个精致而又直接的展示，我们采用大屏的方式进行展示，展示数据结
构分明，配景具有科技感，把相对复杂的、抽象的数据通过可视的、交互的方式
进行展示，从而形象直观地表达数据蕴含的信息和规律。降雨情况大数据看板界面如图5-4所示。
图5-7降雨情况大数据分析平台界面
第6章 总结与展望
6.1 系统开发遇到的问题
由于基于Python的降雨情况分析平台是由本人独立开发，因此在系统设计和业务逻辑方面更多地借鉴了目前市场上较为流行的框架和技术点，包括大数据技术，很多是不熟悉没接触过的，在开发过程中不停学习新知识。另外由于本人的时间和精力的缘故原由，在系统开发过程中有很多地方可能并不能够完全尽如人意，另有很多需要补充的功能与模块。
6.2展望
由于时间有限，降雨分析系统在满足基本功能的同时，也存在着一些不敷。如功能和安全性不够美满，页面的布局与市场上的一些信息管理系统还是有很大的差距等。因此，在系统需求分析与系统设计初期，必须进行更多的研究，对气象局的详细谋划状况进行更深入的探讨。这样，才能开发出一个真正能满足降雨情况业务需求的降雨分析系统。存在的不敷和后续需要改进的地方如下几个方面：
1）确保数据真实性和美化界面，在整个系统 UI 界面的样式和配色应该进行更详细的设计的美化，改善用户体验。
2）在登陆时采用更安全的加密方法，确保系统的安全。
当我的结业论文接近尾声时，我意识到我很快就会进入社会。这次经历让我体会到怎样自己发现和解决问题，以及会去思考更优解。在未来，我会朝自己选择的方向不停努力。
参考文献
- 于瑶瑶. 降雨分析系统的设计与实现[D]. 济南: 山东大学, 2019.
- 刘文博. 降雨分析系统的设计与实现[D]. 吉林大学, 2016.
- 于隆. 中小降雨分析系统的设计与实现[D]. 大连理工大学, 2015
- Liu N, Chen L J, University Q N. Management System Design of Stocking, Selling and Storing of Enterprises[J]. Journal of Hebei North University, 2016.146-152.
- Bose Indranil, Pal Raktim, Ye Alex. ERP and SCM systems integration:The case of a valve manufacturer in China[J]. Information & Management. 2008, 45(4):233~241．
- 陈京民. 管理信息系统[M]. 北京:清华大学出版社, 2006.136~137．
- 陈晓. 制造降雨情况ERP深化应用研究[D]. 华北电力大学, 2014:6~8．
- 廖芹等. 工业降雨情况库存管理信息系统的设计和研究[J]. 华南理工大学学报，2019(5): 254~260．
- 张瑞君, 孙玥璠, 石保俊. 中国降雨情况 ERP 投资关键信息披露问题研究[J]. 会计研究, 2018, 02:55-62+96．
- 刘华敏,李玉. 降雨分析系统的设计与实现[J]. 电脑知识与技术, 2018, (11) :34~37．
- 徐鑫, 何红军, 包玉玲. 供应链中库存管理的研究[J]. 天然科学,2005, 3(6): 46~52．
- 邓笑. 基于Spring Boot的校园轻博客系统的设计与实现[D].华中科技大学, 2018.
- 王松. Spring Boot+Vue全栈开发实战[M]. 北京:清华大学出版社, 2018.12.
- 冰河. MySQL技术大全: 开发优化与运维实战[M]. 北京:机械工业出版社, 2020.11.
- 苏阳. 降雨情况在线进销存管理信息系统的设计与实现[D]. 北京工业大学, 2016.
- 王崇娴. 中小型降雨分析信息系统的设计与实现[D]. 江西财经大学, 2017.12.
- James A O'Brien. Managing Information Technology in the E-Business Enterprise[M]. Mcgraw -Hill, 2009, 77-89.
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。 |
