调用万维易源实现天气预测

这篇具有很好参考价值的文章主要介绍了调用万维易源实现天气预测。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

作者介绍

房庚晨,男,西安工程大学电子信息学院,22级研究生
研究方向:机器视觉与人工智能
电子邮件:1292475736@qq.com

王泽宇,男,西安工程大学电子信息学院,2022级研究生,张宏伟人工智能课题组
研究方向:机器视觉与人工智能
电子邮件:2717124491@qq.com

一. 关于理论方面的知识介绍(例子:2.LeNet网络介绍)

1.1 天气预测简介

天气预测就是应用大气变化的规律,根据当前及近期的天气形势,对未来一定时期内的天气状况进行预测。
天气预测在多个方面有着极大的作用,例如:干旱检测,农业与生产计划,航空工业和个人出行等等。

1.2 预测方法

(1)天气学预报方法(或称天气图方法):
是以天气图为主要工具,配合卫星云图、雷达图等,用天气学的原理来分析和研究天气的变化规律,从而制作天气预报的方法。这种方法主要用于制作短期预报。
(2)数值预报方法(又称动力学预报方法):
是利用大型、快速的电子计算机求解描述大气运动的动力学方程组来制作天气预报的方法。这种方法可用于制作短期预报,也可做中、长期预报。近几年还开始用来做气候预报。
(3)统计预报方法:
采用大量的、长期的气象观测资料,根据概率统计学的原理,寻找出天气变化的统计规律,建立天气变化的统计学模型来制作天气预报的方法。这种方法主要用于制作中、长期预报和气象要素预报。

二.关于实验过程的介绍,完整实验代码,测试结果

2.1 需要安装的包

python3.6.5
需要引入requests包 :运行终端->进入python/Scripts ->输入:pip install requests

2.2 部分代码

调用天气预测API代码

from ShowapiRequest import ShowapiRequest
r=ShowapiRequest("http://route.showapi.com/9-9","appid","secret" )  #查询网址和appid和secret
r.addBodyPara("areaCode","")
r.addBodyPara("area","西安")  #查询地址
res = r.post()
print(res.text) # 返回信息

子函数ShowapiRequest代码 
import requests
from urllib import parse
#全局请求头
files = {}
headers = {}
body = {}
timeouts = {}
resHeader = {}

class ShowapiRequest:
    def __init__(self, url, my_appId, my_appSecret):
        self.url = url
        self.my_appId = my_appId
        self.my_appSecret = my_appSecret
        body["showapi_appid"] = my_appId
        body["showapi_sign"] = my_appSecret
        headers["User-Agent"] = "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/45.0.2427.7 Safari/537.36"

    def addFilePara(self, key, value_url):
        files[key] = open(r"%s "% (value_url), 'rb')
        return self

    def addHeadPara(self, key, value):
        headers[key] = value
        return self

    def addBodyPara(self, key, value):
        body[key] = value
        return self
    #设置连接时间和读取时间
    def setTimeout(self, connecttimout, readtimeout):
        timeouts["connecttimout"] = connecttimout
        timeouts["readtimeout"] = readtimeout
        return self


    def get(self):
        get_url = self.url + "?" + parse.urlencode(body)
        if not timeouts:
            res = requests.get(get_url, headers=headers)
        else:
            timeout = (timeouts["connecttimout"], timeouts["readtimeout"])
            res = requests.get(get_url, headers=headers, timeout=timeouts)
        return res

    def post(self):
        if not timeouts:
            res = requests.post(self.url, files=files, data=body, headers=headers)
        else:
            timeout = (timeouts["connecttimout"], timeouts["readtimeout"])
            res = requests.post(self.url, files=files, data=body, headers=headers, timeout=timeout)
        return res


2.3 实验结果

调用万维易源实现天气预测调用万维易源实现天气预测
实验结果显示当前日期以,地址以及天气情况。文章来源地址https://www.toymoban.com/news/detail-491497.html

到了这里,关于调用万维易源实现天气预测的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 计算机竞赛 题目:基于LSTM的预测算法 - 股票预测 天气预测 房价预测

    🔥 优质竞赛项目系列,今天要分享的是 基于LSTM的预测算法 - 股票预测 天气预测 房价预测 该项目较为新颖,适合作为竞赛课题方向,学长非常推荐! 🧿 更多资料, 项目分享: https://gitee.com/dancheng-senior/postgraduate 时间序列预测是一类比较困难的预测问题。 与常见的回归预测

    2024年02月07日
    浏览(47)
  • 大数据毕业设计 LSTM时间序列预测算法 - 股票预测 天气预测 房价预测

    今天学长向大家介绍LSTM基础 基于LSTM的预测算法 - 股票预测 天气预测 房价预测 时间序列预测是一类比较困难的预测问题。 与常见的回归预测模型不同,输入变量之间的“序列依赖性”为时间序列问题增加了复杂度。 一种能够专门用来处理序列依赖性的神经网络被称为 递归

    2024年02月05日
    浏览(61)
  • 挑战杯 基于LSTM的天气预测 - 时间序列预测

    🔥 优质竞赛项目系列,今天要分享的是 机器学习大数据分析项目 该项目较为新颖,适合作为竞赛课题方向,学长非常推荐! 🧿 更多资料, 项目分享: https://gitee.com/dancheng-senior/postgraduate ​ df = pd.read_csv(‘/home/kesci/input/jena1246/jena_climate_2009_2016.csv’) df.head() 如上所示,每1

    2024年02月21日
    浏览(48)
  • 详细介绍如何基于ESP32实现低功耗的电子纸天气显示器--附完整源码

    实现界面展示          这是一款天气显示器,由支持 wifi 的 ESP32 微控制器和 7.5 英寸电子纸(又名电子墨水)显示器供电。当前和预测的天气数据是从 OpenWeatherMap API 获取的。传感器为显示屏提供准确的室内温度和湿度。 该项目在睡眠时消耗约 14μA,在约 10 秒的清醒期

    2024年02月10日
    浏览(38)
  • 计算机竞赛 基于LSTM的天气预测 - 时间序列预测

    🔥 优质竞赛项目系列,今天要分享的是 机器学习大数据分析项目 该项目较为新颖,适合作为竞赛课题方向,学长非常推荐! 🧿 更多资料, 项目分享: https://gitee.com/dancheng-senior/postgraduate ​ df = pd.read_csv(‘/home/kesci/input/jena1246/jena_climate_2009_2016.csv’) df.head() 如上所示,每1

    2024年02月11日
    浏览(48)
  • 毕业设计-基于 Python 的天气预测系统

    目录 前言 课题背景和意义 实现技术思路 一、Python 二、网络爬虫 三、基于 Python 的天气预测系统 四、系统测试 五、总结 实现效果图样例 最后     📅大四是整个大学期间最忙碌的时光,一边要忙着备考或实习为毕业后面临的就业升学做准备,一边要为毕业设计耗费大量精力。

    2024年02月05日
    浏览(46)
  • Python爬取天气数据并进行分析与预测

    随着全球气候的不断变化,对于天气数据的获取、分析和预测显得越来越重要。本文将介绍如何使用Python编写一个简单而强大的天气数据爬虫,并结合相关库实现对历史和当前天气数据进行分析以及未来趋势预测。 1 、数据源选择 选择可靠丰富的公开API或网站作为我们所需的

    2024年02月09日
    浏览(51)
  • 跟姥爷深度学习1 浅用tensorflow做个天气预测

    (说明下,本篇的源码有点问题导致预测的温度有问题,请继续往后面的章节看,有原因和解决办法) 一、 前言 最近人工智能、深度学习又火了,我感觉还是有必要研究一下。三年前浅学了一下原理没深入研究框架,三年后感觉各种框架都成熟了,现成的教程也丰富了,所

    2023年04月16日
    浏览(31)
  • 大数据毕设分享(含算法) LSTM天气预测算法系统

    今天学长向大家介绍一个机器视觉的毕设项目 使用LSTM实现天气时间序列预测 项目运行效果: 毕业设计 lstm天气预测 项目获取: https://gitee.com/sinonfin/algorithm-sharing 数据集包含14个不同的特征,例如气温,大气压力和湿度。从2003年开始,每10分钟收集一次。为了提高效率,本文

    2024年02月01日
    浏览(41)
  • 【关于时间序列的ML】项目 5 :用机器学习预测天气

      🔎大家好,我是Sonhhxg_柒,希望你看完之后,能对你有所帮助,不足请指正!共同学习交流🔎 📝个人主页-Sonhhxg_柒的博客_CSDN博客 📃 🎁欢迎各位→点赞👍 + 收藏⭐️ + 留言📝​ 📣系列专栏 - 机器学习【ML】 自然语言处理【NLP】  深度学习【DL】 ​​  🖍foreword

    2023年04月21日
    浏览(37)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包