1、项目介绍

技术栈

采用 Python 语言开发，基于 Flask 框架搭建后端服务，前端使用 Echarts 实现数据可视化，通过 requests 爬虫技术从中国气象台网站采集降水数据，运用时间序列预测算法构建降水量预测模型。

功能模块

· 数据分析页面
· 数据查看页面
· 降水量预测页面
· 登录页面
· 后台数据管理页面
· 爬虫采集页面

项目介绍

本系统基于 Flask 框架构建降水量分析与预警平台，通过 requests 爬虫技术从中国气象台网站自动化采集全国各城市降水数据，经处理后存入数据库。系统提供数据分析页面，以折线图和柱状图展示城市降雨量变化趋势与月度降水特征；数据查看页面以表格形式呈现降水明细，支持搜索与分页浏览；降水量预测页面基于时间序列预测算法，展示未来多日降水量数值并标注预警状态。系统还包含用户登录与后台数据管理功能，支持降水数据的增删改查与集中维护。

2、项目界面

降水量分析与预警平台的数据分析页面，提供城市选择功能，通过折线图展示城市降雨量变化趋势，以柱状图呈现月度降水量数据，直观反映不同时段的降水特征，助力用户精准分析城市降水规律与趋势。

降水量分析与预警平台的数据查看页面，提供搜索功能，以表格形式展示各地区的降水相关数据，包含日期、省份、城市、经纬度、降水量等多维度信息，支持分页浏览，直观呈现降水数据的明细信息，方便用户查看与检索降水相关统计数据。

降水量分析与预警平台的降水量预测页面，提供城市选择功能，以表格形式展示目标城市未来多日的降水量预测数据，同时标注预警状态，直观呈现城市未来降水变化趋势与降水预警信息，为用户提供精准的降水预测与预警服务。

降水量分析与预警平台的降水量预测页面，提供城市选择下拉菜单，以表格形式展示所选城市未来时间段内的降水量预测数据，清晰呈现每日降水量数值，同步标注对应日期的降水预警状态，直观展示城市未来降水变化趋势与预警信息，为用户提供精准的降水预测与预警服务，助力用户掌握城市降水规律与风险。

该页面为系统登录页面，标题为欢迎登录，提供账号与密码输入功能，支持用户登录操作，同时提供管理员登录入口与点击切换功能，是进入系统的身份验证入口，保障系统访问安全，为不同权限用户提供对应的系统访问通道。

后台管理系统的数据管理页面，提供城市搜索、数据创建与批量操作功能，以表格形式展示各地区的降水相关数据，包含省份、城市、降雨量、经纬度等多维度信息，支持编辑与删除操作，直观呈现降水数据明细，实现降水数据的集中管理与维护。

该页面为代码编辑界面，标题为spider.py，核心功能是基于python语言编写网络爬虫程序，通过多库调用实现降水数据的自动化采集，支持日期计算与接口请求，可批量获取并处理全国各城市的降水相关数据，同时在控制台输出采集日志与数据处理状态，实现降水数据的自动化爬取与入库管理。

3、项目说明

一、技术栈简要说明

本系统采用 Python 语言开发，基于 Flask 框架搭建后端服务，前端使用 Echarts 实现数据可视化，通过 requests 爬虫技术从中国气象台网站采集降水数据，运用时间序列预测算法构建降水量预测模型。

二、功能模块详细介绍

· 数据分析页面
该页面提供城市选择功能，通过折线图展示城市降雨量变化趋势，以柱状图呈现月度降水量数据，直观反映不同时段的降水特征，助力用户精准分析城市降水规律与趋势，为水资源管理和防洪决策提供数据支撑。

· 数据查看页面
该页面提供搜索功能，以表格形式展示各地区的降水相关数据，包含日期、省份、城市、经纬度、降水量等多维度信息，支持分页浏览，直观呈现降水数据的明细信息，方便用户查看与检索降水相关统计数据，实现降水数据的集中查阅。

· 降水量预测页面
该页面提供城市选择下拉菜单，以表格形式展示所选城市未来时间段内的降水量预测数据，清晰呈现每日降水量数值，同步标注对应日期的降水预警状态。系统基于时间序列预测算法对未来降水变化趋势进行分析，为用户提供精准的降水预测与预警服务，助力用户掌握城市降水规律与风险。

· 登录页面
该页面标题为欢迎登录，提供账号与密码输入功能，支持用户登录操作，同时提供管理员登录入口与点击切换功能，是进入系统的身份验证入口，保障系统访问安全，为不同权限用户提供对应的系统访问通道。

· 后台数据管理页面
该页面提供城市搜索、数据创建与批量操作功能，以表格形式展示各地区的降水相关数据，包含省份、城市、降雨量、经纬度等多维度信息，支持编辑与删除操作，直观呈现降水数据明细，实现降水数据的集中管理与维护，方便管理员对数据进行更新和整理。

· 爬虫采集页面
该页面为代码编辑界面，标题为 spider.py，核心功能是基于 Python 语言编写网络爬虫程序，通过多库调用实现降水数据的自动化采集，支持日期计算与接口请求，可批量获取并处理全国各城市的降水相关数据，同时在控制台输出采集日志与数据处理状态，实现降水数据的自动化爬取与入库管理，为系统提供稳定的原始数据支撑。

三、项目总结

本系统基于 Flask 框架构建降水量分析与预警平台，通过 requests 爬虫技术从中国气象台网站自动化采集全国各城市降水数据，经处理后存入数据库。系统提供数据分析页面，以折线图和柱状图展示城市降雨量变化趋势与月度降水特征，帮助用户直观了解降水规律；数据查看页面以表格形式呈现降水明细，支持搜索与分页浏览，便于数据检索；降水量预测页面基于时间序列预测算法，展示未来多日降水量数值并标注预警状态，为用户提供精准的降水预警服务。系统还包含用户登录与后台数据管理功能，支持降水数据的增删改查与集中维护，爬虫采集模块实现了数据的自动化更新。整体而言，本系统为降水监测、洪涝预警、农业灌溉和水资源调度提供了科学的数据支持与决策参考。

4、核心代码

from flask import Flask, request, render_template,jsonify,abort,session,redirect, url_for
import os
import models
from models import app
import time
from sqlalchemy import or_,and_
from flask_security import Security, SQLAlchemySessionUserDatastore, \
    UserMixin, RoleMixin, login_required, auth_token_required, http_auth_required,current_user
import datetime


from prophet import Prophet
# from fbprophet import Prophet

import pandas as pd

from datetime import datetime  # 确保导入datetime模块（处理日期）



user_datastore = SQLAlchemySessionUserDatastore(models.db.session, models.User, models.Role)
security = Security(app, user_datastore)


@app.route('/', methods=['GET', 'POST'])
@app.route('/index', methods=['GET', 'POST'])
def index():
    stu_id = current_user.is_anonymous
    if stu_id:
        return redirect(url_for('logins'))
    if request.method == 'GET':
        results = models.XinXi.query.all()[::-1]
        Search = request.args.get('Search','')
        if Search:
            results = models.XinXi.query.filter(or_(models.XinXi.datetiems==Search,models.XinXi.pname==Search)).all()[::-1]
        return render_template('fenxi/table.html',**locals())


from datetime import datetime  # 确保导入datetime模块（处理日期）

from datetime import datetime  # 导入datetime处理日期


@app.route('/fenxi', methods=['GET', 'POST'])
def fenxi():
    stu_id = current_user.is_anonymous
    if stu_id:
        return redirect(url_for('logins'))

    if request.method == 'GET':
        # 城市列表处理（保持不变）
        citys = list(set([i.pname for i in models.XinXi.query.all()]))
        citys.sort()
        city = request.args.get('city')
        if not city:
            city = '北京'

        # 筛选当前城市的所有数据
        datas1 = models.XinXi.query.filter(models.XinXi.pname == city)

        # 折线图数据：按原始日期（含小时）去重，展示每日/每小时降雨量
        count_AQI = []  # 降雨量
        count_name = []  # 日期（格式：2023020200，去重后）
        for resu in datas1:
            if resu.datetiems not in count_name:
                count_name.append(resu.datetiems)
                count_AQI.append(resu.value)

        # 柱状图数据：按月聚合降水总量（核心适配新日期格式）
        monthly_rain_total = {}  # 存储“年月→月度总量”（如"2023-02"→120）
        for resu in datas1:
            try:
                # 解析日期：适配格式YYYYMMDDHH（如2023020200）
                date_obj = datetime.strptime(resu.datetiems, '%Y%m%d%H')
                # 提取“年月”作为聚合key（忽略小时，按月份合并）
                month_key = date_obj.strftime('%Y-%m')  # 格式：2023-02

                # 累加当月降雨量（同一月份的所有数据求和）
                if month_key in monthly_rain_total:
                    monthly_rain_total[month_key] += resu.value
                else:
                    monthly_rain_total[month_key] = resu.value
            except Exception as e:
                print(f"日期解析失败（格式应为YYYYMMDDHH）：{e}，跳过该数据")
                continue

        # 整理柱状图数据（按时间顺序排序）
        zuijia_name = sorted(monthly_rain_total.keys())  # x轴：年月（如2023-02）
        zuijia_shuju = [monthly_rain_total[month] for month in zuijia_name]  # y轴：月度总量

        return render_template('fenxi/fenxi.html', **locals())