降雨预测系统（机器学习）
这是一个基于Python开发的降雨预测系统，使用机器学习算法对指定月份的降雨概率进行预测。该系统提供了友好的图形用户界面（GUI），支持数据可视化和交互式操作。
## 功能特点
- 📊 生成历史降雨数据（2015-2024年）
- 🤖 使用逻辑回归模型进行降雨预测
- 📈 可视化预测结果
- 🎯 显示每日降雨概率
- 💻 直观的图形用户界面
- 📝 详细的预测结果表格
- 🈚 完整的中文支持
## 环境要求
- Python 3.7+
- 必需的Python库：
- pandas：数据处理
- numpy：数值计算
- scikit-learn：机器学习模型
- matplotlib：数据可视化
- seaborn：增强可视化效果
- tkinter：GUI界面（Python标准库自带）
## 使用说明
1. 在控制面板中：
- 设置起始年份（默认2015）
- 设置当前年份（默认2024）
- 选择要预测的月份（1-12）
2. 操作步骤：
- 点击"生成数据"按钮生成历史数据
- 点击"训练模型"按钮训练预测模型
- 点击"预测结果"按钮查看预测结果
3. 查看结果：
- 图表区域显示降雨概率曲线
- 表格区域显示详细的每日预测数据
- 输出区域显示操作状态和模型评估结果
## 注意事项
1. 数据说明
- 历史数据为模拟生成，用于演示系统功能
- 预测结果仅供参考，不应用于实际天气预报
2. 性能优化
- 首次运行时，模型训练可能需要几秒钟
- 数据量较大时，建议增加起始年份以减少处理时间
降雨预测系统代码说明：
## 1. 导入库和初始化设置
```python
import pandas as pd
import numpy as np
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression
from sklearn.preprocessing import StandardScaler
import matplotlib.pyplot as plt
import matplotlib.font_manager as fm
import seaborn as sns
import warnings
import tkinter as tk
from tkinter import ttk
from tkinter import messagebox
from datetime import datetime, timedelta
from matplotlib.backends.backend_tkagg import FigureCanvasTkAgg
import os
```
### 导入库说明
- **数据处理**：pandas(pd), numpy(np)
- **机器学习**：sklearn (LogisticRegression, StandardScaler, train_test_split)
- **数据可视化**：matplotlib.pyplot, seaborn
- **GUI界面**：tkinter (tk, ttk, messagebox)
- **日期处理**：datetime
- **图表嵌入**：matplotlib.backends.backend_tkagg
### 中文字体设置
```python
try:
plt.rcParams['font.sans-serif'] = ['SimHei', 'Microsoft YaHei', 'SimSun', 'Arial Unicode MS']
plt.rcParams['axes.unicode_minus'] = False
# 检查字体可用性
font_names = [f.name for f in fm.fontManager.ttflist]
chinese_font_found = False
for font in ['SimHei', 'Microsoft YaHei', 'SimSun', 'Arial Unicode MS']:
if font in font_names:
print(f"找到中文字体: {font}")
chinese_font_found = True
break
```
- 设置matplotlib支持中文显示
- 按优先级尝试多个中文字体
- 检查系统中可用的中文字体
## 2. RainPredictor类
### 2.1 初始化
```python
def __init__(self, start_year=2015, current_year=2024, month=3):
self.start_year = start_year
self.current_year = current_year
self.month = month
self.data = None
self.model = None
self.scaler = StandardScaler()
```
- 初始化年份范围和预测月份
- 创建StandardScaler实例用于特征标准化
### 2.2 生成历史数据
```python
def generate_historical_data(self):
```
功能：
- 生成模拟的历史天气数据
- 考虑月份天数（闰年处理）
- 生成特征数据：
- 温度(temperature)
- 湿度(humidity)
- 气压(pressure)
- 降雨情况(rainfall)
- 添加日期特征(day_sin, day_cos)
### 2.3 训练模型
```python
def train_model(self):
```
功能：
- 准备特征数据
- 标准化特征
- 分割训练集和测试集
- 训练逻辑回归模型
- 计算模型评估指标
### 2.4 预测当前月份
``