决策树的天气预报(附件)【字数：8159】
摘 要自古以来，天气就对人们的旅行和工作产生了重大的影响，因此古人不但观测日月星辰的变化，还记录了各种过去和当前发生的自然现象，并把总结的经验与当前观测结合起来，做出天气预报。随着时代的发展，到如今人们对天气预报更加的依赖。同时也因为科技的发展，人们对天气的预测更加的准确，人们也越容易根据天气决定是否出行或者出行的工具，工作的方式。人们与天气的联系变的更加密不可分。 现如今随着互联网信息技术飞速发展，人们可以进行大数据预测，这这是让天气预测更准确的一种方式。决策树方法在数据挖掘技术中应用十分广泛。本课题便是将数据挖掘技术中的决策树方法使用到天气预报当中。决策树，它是一种算法经常被于预测的模型中。它是通过将许多的数据进行有目的意义的分类，并且从其中发现些具有价值的信息。决策树算法具有生成模式简单、精准度高、速度较快等优点。本程序中我们运用到的是决策树的ID3算法。使用.NET的平台来开发程序，开发工具使用了VS2017，后台使用了C#这种编程语言来进行程序的编程，数据库用了Mysql。本程序仔细介绍了决策树怎样来实现分类，并用来预测结果的功能。
目 录
第一章 绪论1
1.1课题研究背景与意义1
1.2课题研究现状1
1.3课题主要工作2
第二章 程序架构和技术3
2.1.NET和C#3
2.2 Mysql数据库3
2.3决策树ID3算法3
第三章 程序分析和总体设计4
3.1需求分析4
3.2设计方案4
3.2.1系统总体设计5
3.2.2数据库设计7
第四章 程序功能的实现与总结9
4.1程序功能的具体实现9
4.1.1系统首页9
4.1.2决策树的实现9
4.1.2天气预测的实现16
4.2课程总结与展望20
结束语22
致谢23
参考文献24 第一章 绪论
1.1课题研究的背景与意义
天气预报与人们的出行和工作有很深的联系。天气预报，从定性的进行描述到慢慢的能完成定量的预测，其中经过了几千年的发展。发展 *好棒文|www.hbsrm.com +Q: ￥351916072￥
过程就是我们对自然的认识和了解更广阔和对天气的预测更准确的一个过程。
从古时候起人们就意识到了天气预报的重要性。中国古代的知识分子便已能够知天文识地理而显示自己学富五车，即使是皇帝也会成立一个钦天监的机构来观测天象，而水手、渔民、农民和猎人也看云、看风、看天象、看物象来预测天气从而进行劳作。古人不但观测天象，还记录各种过去和当前发生的自然现象，并把总结的经验与当前观测结合起来，做出天气预报。
现代意义上的天气预报的起源不是在于服务生产生活，而是与源自于一场战争。因为这场战争由于能够准确预测出天气因素而胜利。人们开始认识到准确的预测出天气不但能够用于作战，而且能够用来进行农业生产和日常生活。由于社会上各方面的需要，在勒佛里埃的积极推动下。1856年，法国成立了世界上第一个合格的用于天气预报服务的系统。这代表着现代天气预报的正式诞生。
自现代天气预报的诞生发展到现在，随着如今科技的飞速发展，天气预报的精准度越来越高。因为我们现在可以进行大数据挖掘。数据挖掘技术的原理其实就是不断的挖掘出一些具有一定价值的信息，并将其集成到一个庞大的数据群中。基于此，综合信息被进一步处理以增加信息的价值。而本论文使用到的决策树算法其实就是大数据挖掘技术中的一种。决策树是一种逼近离散值目标函数的方法[1]。该方法表示从一组训练数据中学习到的函数作为决策树。它是一种算法经常被用于预测的模型中。它是经过将许多的数据进行有目的意义的分类，并且从其中发现些具有价值的信息。决策树算法具有生成模式简单、精准度高、速度较快等优点。本文的意义便是用现在的决策树技术来更加准确的进行天气预报，提高人们的生活质量。
1.2课题研究现状
目前市场上对数据挖掘的方法与技术有许多的种类，他们各有特点。下面我便来为大家介绍几个经常使用的方法：
（1）关联规则挖掘技术
关联规则挖掘技术的目的就是发现数据之间相关联的地方。Apriori和DHP是关联规则的经典算法[2]。该算法可以在大数据库中发现感兴趣的目标之间的关系。它的目的是利用一些度量指标来分辨数据库中存在的强规则。也即是说关联规则挖掘是用于知识发现，而非预测，所以是属于无监督的机器学习方法。这是一种比较成熟的算法。
（2）人工神经网络
人工神经网络技术主要是能够模拟人脑的神经元结构[3]。 MP模型和Hebb学习规则是人工神经网络技术的两种基础。人工神经网络按照一定的规则将神经元连接成神经网络，因此会产生一些规则的变化。也就会产生许多的神经网络模型。它主要通过模仿人脑神经系统的处理方式来处理信息，因此它的用途非常广泛。
（3）决策树方法
决策树方法在机器学习方面进行过大范围和透彻的专研。最早的决策树算法是Quiulan提出的ID3算法[3]。决策树方法是使用数据的同时集中各个字段的信息增益来成为根据，以信息增益最大的那个字段来作为决策树的根结点；在依次对个个子节点进行操作，直到确定决策树的所有结点。ID3算法出现后，人们进行研究出现了一些新的进行优化过的算法，如C4.5，CART等。决策树方法可用于数据挖掘中的数据分类。
本课题就是对决策树的ID3算法进行研究。
1.3课题主要工作
本文中便是将决策树与天气预报相结合。在天气的预测中有许多的因素，比如天象、气温、风速、PM2.5等，每一种因素都会对不同的出行工作产生不同的影响。比如天气热时不适合进行一些运动，但是又想去运动时可以去进行游泳运动，既锻炼了身体又能解暑。因此天气每个因素的变化都会影响你接下来做的事情，所以提前了解天气的变化有利于改善人们生活的质量。将这些因素作为节点，运用决策树方法生成一颗决策树来预测今天天气对人的影响。本程序使用了.NET和SQL Server数据库进行开发。通过这次的毕业论文和程序的设计能够为将来的工作打好基础。
第二章 程序架构和技术
2.1.NET和C#
C#由于是后面出来的，所以C#的很多语法都是其他语法的改进，它的语法表达能力强，而且更容易学习。作为一个商业产品，C++用户是C#的主要用户，所以它充分照顾到了C++用户的习惯。C#在语法上面比起java更加有层次感。C#中IDE这个功能还是很厉害的，C#的能够使用很多国家的语言。C#所需要的运行平台是在用户量极大的windows上[4]。但是C#因为没有考虑到代码量的问题，所以用C#做东西需要的时间比起其他的语法就更多了。C＃本身是一门语言，它生成的代码是用于面向.NET 环境。.NET并不是C#的全部。有时候C#只能依赖于.NET才能实现它特定的功能。
目 录
第一章 绪论1
1.1课题研究背景与意义1
1.2课题研究现状1
1.3课题主要工作2
第二章 程序架构和技术3
2.1.NET和C#3
2.2 Mysql数据库3
2.3决策树ID3算法3
第三章 程序分析和总体设计4
3.1需求分析4
3.2设计方案4
3.2.1系统总体设计5
3.2.2数据库设计7
第四章 程序功能的实现与总结9
4.1程序功能的具体实现9
4.1.1系统首页9
4.1.2决策树的实现9
4.1.2天气预测的实现16
4.2课程总结与展望20
结束语22
致谢23
参考文献24 第一章 绪论
1.1课题研究的背景与意义
天气预报与人们的出行和工作有很深的联系。天气预报，从定性的进行描述到慢慢的能完成定量的预测，其中经过了几千年的发展。发展 *好棒文|www.hbsrm.com +Q: ￥351916072￥
过程就是我们对自然的认识和了解更广阔和对天气的预测更准确的一个过程。
从古时候起人们就意识到了天气预报的重要性。中国古代的知识分子便已能够知天文识地理而显示自己学富五车，即使是皇帝也会成立一个钦天监的机构来观测天象，而水手、渔民、农民和猎人也看云、看风、看天象、看物象来预测天气从而进行劳作。古人不但观测天象，还记录各种过去和当前发生的自然现象，并把总结的经验与当前观测结合起来，做出天气预报。
现代意义上的天气预报的起源不是在于服务生产生活，而是与源自于一场战争。因为这场战争由于能够准确预测出天气因素而胜利。人们开始认识到准确的预测出天气不但能够用于作战，而且能够用来进行农业生产和日常生活。由于社会上各方面的需要，在勒佛里埃的积极推动下。1856年，法国成立了世界上第一个合格的用于天气预报服务的系统。这代表着现代天气预报的正式诞生。
自现代天气预报的诞生发展到现在，随着如今科技的飞速发展，天气预报的精准度越来越高。因为我们现在可以进行大数据挖掘。数据挖掘技术的原理其实就是不断的挖掘出一些具有一定价值的信息，并将其集成到一个庞大的数据群中。基于此，综合信息被进一步处理以增加信息的价值。而本论文使用到的决策树算法其实就是大数据挖掘技术中的一种。决策树是一种逼近离散值目标函数的方法[1]。该方法表示从一组训练数据中学习到的函数作为决策树。它是一种算法经常被用于预测的模型中。它是经过将许多的数据进行有目的意义的分类，并且从其中发现些具有价值的信息。决策树算法具有生成模式简单、精准度高、速度较快等优点。本文的意义便是用现在的决策树技术来更加准确的进行天气预报，提高人们的生活质量。
1.2课题研究现状
目前市场上对数据挖掘的方法与技术有许多的种类，他们各有特点。下面我便来为大家介绍几个经常使用的方法：
（1）关联规则挖掘技术
关联规则挖掘技术的目的就是发现数据之间相关联的地方。Apriori和DHP是关联规则的经典算法[2]。该算法可以在大数据库中发现感兴趣的目标之间的关系。它的目的是利用一些度量指标来分辨数据库中存在的强规则。也即是说关联规则挖掘是用于知识发现，而非预测，所以是属于无监督的机器学习方法。这是一种比较成熟的算法。
（2）人工神经网络
人工神经网络技术主要是能够模拟人脑的神经元结构[3]。 MP模型和Hebb学习规则是人工神经网络技术的两种基础。人工神经网络按照一定的规则将神经元连接成神经网络，因此会产生一些规则的变化。也就会产生许多的神经网络模型。它主要通过模仿人脑神经系统的处理方式来处理信息，因此它的用途非常广泛。
（3）决策树方法
决策树方法在机器学习方面进行过大范围和透彻的专研。最早的决策树算法是Quiulan提出的ID3算法[3]。决策树方法是使用数据的同时集中各个字段的信息增益来成为根据，以信息增益最大的那个字段来作为决策树的根结点；在依次对个个子节点进行操作，直到确定决策树的所有结点。ID3算法出现后，人们进行研究出现了一些新的进行优化过的算法，如C4.5，CART等。决策树方法可用于数据挖掘中的数据分类。
本课题就是对决策树的ID3算法进行研究。
1.3课题主要工作
本文中便是将决策树与天气预报相结合。在天气的预测中有许多的因素，比如天象、气温、风速、PM2.5等，每一种因素都会对不同的出行工作产生不同的影响。比如天气热时不适合进行一些运动，但是又想去运动时可以去进行游泳运动，既锻炼了身体又能解暑。因此天气每个因素的变化都会影响你接下来做的事情，所以提前了解天气的变化有利于改善人们生活的质量。将这些因素作为节点，运用决策树方法生成一颗决策树来预测今天天气对人的影响。本程序使用了.NET和SQL Server数据库进行开发。通过这次的毕业论文和程序的设计能够为将来的工作打好基础。
第二章 程序架构和技术
2.1.NET和C#
C#由于是后面出来的，所以C#的很多语法都是其他语法的改进，它的语法表达能力强，而且更容易学习。作为一个商业产品，C++用户是C#的主要用户，所以它充分照顾到了C++用户的习惯。C#在语法上面比起java更加有层次感。C#中IDE这个功能还是很厉害的，C#的能够使用很多国家的语言。C#所需要的运行平台是在用户量极大的windows上[4]。但是C#因为没有考虑到代码量的问题，所以用C#做东西需要的时间比起其他的语法就更多了。C＃本身是一门语言，它生成的代码是用于面向.NET 环境。.NET并不是C#的全部。有时候C#只能依赖于.NET才能实现它特定的功能。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/jsj/qrs/7.html
