# aqi-forecast-system

**Repository Path**: he-needs/aqi-forecast-system

## Basic Information

- **Project Name**: aqi-forecast-system
- **Description**: 基于Spring Boot + Vue3 + Python的昆明市空气质量(AQI)数据分析与预测系统。前后端分离架构，支持AQI历史数据管理、ECharts可视化、ARIMA与LSTM双模型预测。技术栈：Spring Boot 3.2 + MyBatis-Plus + Sa-Token + Vue 3.5 + Naive UI + TensorFlow，提供数据导入、清洗、分析、预测功能。
- **Primary Language**: Unknown
- **License**: MulanPSL-2.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 2
- **Forks**: 0
- **Created**: 2025-12-28
- **Last Updated**: 2026-06-30

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 项目使用说明

## 📁 项目结构

```
weather/
├── backend/                    # 后端 Spring Boot 项目
├── frontend/                   # 前端 Vue3 项目
├── python/                     # Python 数据分析脚本
└── aqi_data/                   # 原始CSV数据
```

## 🚀 快速开始

### 1. 数据库初始化

```bash
# 在MySQL中执行初始化脚本
mysql -u root -p < backend/init.sql
```

### 2. 启动后端服务

```bash
cd backend
# 使用Maven编译运行
mvn clean install
mvn spring-boot:run

# 或者使用IDE(IntelliJ IDEA/Eclipse)直接运行AqiSystemApplication
```

后端服务默认运行在: http://localhost:8080/api

### 3. 启动前端服务

```bash
cd frontend
# 安装依赖(如果还没安装vue-router)
npm install vue-router
# 启动开发服务器
npm run dev
```

前端服务默认运行在: http://localhost:5173

### 4. 导入AQI数据

方式一: 使用前端界面导入
1. 登录系统(admin/admin123)
2. 在Dashboard页面输入数据目录路径
3. 点击"导入数据"按钮

方式二: 使用Python脚本导入
```bash
cd python
pip install -r requirements.txt
python data_import.py
```

### 5. 运行数据分析

```bash
cd python

# 安装Python依赖
pip install -r requirements.txt

# 1. 数据清洗
python data_clean.py

# 2. 探索性数据分析
python eda.py

# 3. ARIMA模型训练与预测
python arima_model.py

# 4. LSTM模型训练与预测
python lstm_model.py
```

## 📊 主要功能

### 后端API接口

#### 认证模块
- `POST /api/auth/login` - 用户登录
- `POST /api/auth/logout` - 用户登出  
- `GET /api/auth/info` - 获取当前用户信息

#### AQI数据管理
- `POST /api/aqi/import` - 批量导入CSV数据
- `GET /api/aqi/history` - 查询历史数据
- `GET /api/aqi/statistics/monthly` - 月度统计
- `GET /api/aqi/correlation` - 相关性数据
- `GET /api/aqi/echarts/line` - ECharts折线图数据

#### WebSocket
- `ws://localhost:8080/api/ws/predict` - 实时推送预测结果

### 前端页面

- `/login` - 登录页面
- `/` - Dashboard主页(AQI趋势图、月度统计、数据导入)
- `/data` - 数据管理页面(开发中)

### Python分析脚本

- `data_import.py` - 数据导入到MySQL
- `data_clean.py` - 数据清洗预处理
- `eda.py` - 探索性数据分析
- `arima_model.py` - ARIMA时序预测
- `lstm_model.py` - LSTM深度学习预测

## 论文对应章节

### 第3章 系统设计
- 3.1 总体架构设计
- 3.2 数据库设计(见backend/init.sql)
- 3.3 登录鉴权模块(Sa-Token)

### 第4章 系统实现
- 4.1 用户登录模块(AuthController)
- 4.2 数据管理模块(AqiController, AqiHistoryService)
- 4.3 数据可视化模块(Dashboard.vue, ECharts)
- 4.4 WebSocket实时推送(PredictionWebSocket)

### 第5章 数据分析与建模
- 5.1 数据预处理(data_clean.py)
- 5.2 探索性分析(eda.py)
- 5.3 ARIMA模型(arima_model.py)
- 5.4 LSTM模型(lstm_model.py)

## ⚠️ 注意事项

1. **数据库配置**: 请根据实际情况修改`backend/src/main/resources/application.yml`和`python/data_import.py`中的数据库连接信息

2. **数据目录**: 导入数据时,请确保数据目录路径正确(默认为`d:\jiedan\weather\aqi_data`)

3. **Python环境**: 建议使用Python 3.8+,TensorFlow 2.13可能需要特定版本的CUDA(如果使用GPU)

4. **端口冲突**: 确保8080(后端)和5173(前端)端口未被占用

## 🎓 答辩演示建议

1. **系统演示流程**:
   - 登录系统 → 数据导入 → 查看可视化图表 → 展示预测结果

2. **技术亮点**:
   - 前后端分离架构
   - Sa-Token鉴权
   - WebSocket实时推送
   - ECharts可视化
   - ARIMA + LSTM双模型对比

3. **论文图表**:
   - Python脚本生成的所有PNG图片都可用于论文
   - ECharts图表可以截图使用

## 🛠️ 技术栈总结

**后端**: Spring Boot 3.2.0 + MyBatis-Plus 3.5.5 + Sa-Token 1.37.0 + MySQL 8.0

**前端**: Vue 3.5 + Vite 6.0 + Naive UI 2.39 + ECharts 5.4 + Pinia 2.1

**数据分析**: Python 3.8+ + Pandas + NumPy + Scikit-learn + Statsmodels + TensorFlow

## 📧 问题反馈

如有问题,请查看日志或联系开发团队。