19、机器学习在降雨预测与大学生药物成瘾分析中的应用

机器学习在降雨预测与大学生药物成瘾分析中的应用

1. 降雨预测研究

1.1 数据集特征

研究使用了三个地区的气象数据集，可用特征及其类型如下表所示：
| 特征 | 类型 |
| — | — |
| 温度 | 数值型 |
| 露点 | 数值型 |
| 湿度 | 数值型 |
| 海平面压力 | 数值型 |
| 能见度 | 数值型 |
| 风速 | 数值型 |
| 降雨量（mm） | 数值型 |

1.2 数据预处理

数据预处理是项目的初始阶段，利用 Python 处理缺失值并标准化原始数据。由于“风低”属性完全缺失，故忽略该属性，并使用 Python 内置包从原始数据集中过滤出所需数据集。

1.3 实际与预测结果

分别运用随机森林、反向传播神经网络和长短期记忆网络三种算法，对三个不同地区（查塔格拉姆、伊舒尔迪、库米拉）的降雨量进行预测，部分结果示例如下：

查塔格拉姆数据集 - 随机森林

年份	月份	日期	实际值	预测值
2022	6	5	0	1.03
202