基于1961–2014年中国156个地面气象站点日尺度的最高气温和最低气温，采用RClimDex模型计算了中国沿海省区（1４个省、自治区、直辖市、特别行政区；台湾数据暂缺）16项极端气温因子数据，包括：冷昼日数（TX10p）、冷夜日数（TN10p）、暖昼日数（TX90p）、暖夜日数（TN90p）、霜冻日数（FD0）、冰冻日数（ID0）、夏季日数（SU25）、热夜日数（TR20）、日最高气温的极高值（TXx）、日最低气温的极高值（日最低气温的极高值）、日最高气温的极低值（TXn）、日最低气温的极低值（TNn）、暖持续日数（WSDI）、冷持续日数（CSDI）、生长季长度（GSL）以及气温日较差（DTR），根据这些因子数据，利用反距离权重插值方法研发出中国沿海省区极端气温栅格数据集。 该数据集包括：（1）中国沿海省区16个极端气温因子1961–2014年的多年平均值栅格数据；（2）中国沿海省区16个极端气温因子1961–2014年间年际倾向率的栅格数据。该数据集的空间分辨率为8.934 km，数据集存储为.tif格式

数据集包括1979-2017年覆盖中国的以下数据：（1）历年高温日数；（2）历年平均高温强度；（3）历年高温空间集聚程度；（4）多年平均的高温日数、高温强度和高温空间集聚程度数据；（5）高温日数、高温强度和高温空间集聚程度的年际变化趋势数据。数据集空间分辨率为0.75°，

准确地估测气温、降水的空间分布对于开展农业生产，进行气候变化、碳循环、陆表过程模拟、自然灾害等研究具有重要意义。作者选取陕西及其附近200km缓冲区范围内76个气象站点（在2003-2012年内具有连续逐月气温、降水数据）的气温和降水数据，运用传统插值法、地统计插值法、多元回归法和模拟气象站点法4大类11种方法，对陕西省2003-2012年平均气温、降水量数据进行栅格化，最后得到基于优化参数的陕西省多年平均气温、降水数据集。数据集包括：（1）基于“回归 残差IDW（Inverse Distance Weighting）”的陕西省多年平均气温数据；（2）基于OK（Ordinary Kriging）法的陕西省多年平均降水量数据。数据集以.tif格式存储，分辨率为1km，压缩后数据量1.90MB。

热负荷预测为城市集中供热系统提供数据支持，是实现按需供热的基础。热负荷的变化受外界各项块紙Ｈ外滠良影咆故欠，为在满足供热系统需求量的同时做到节能与兼顾人体舒适度，提出基于气温与日期类型的热负荷预测方法。该方法将气温与日期类型进行量化BP神经网络建立供热系统的热负荷预测模型。为保证预测精度采用遗传算法对神经网络连接权值和阈值进行优化，得到未来２４小时的热负荷预测值。预测结果表明，此方法可以较准确地预测未来的热负荷，并达到按需供热和节能环保的目的

温度预测数据集（每日平均气温）

全国各省份城市的经纬度，日辐照量及每月气温，全国各省份城市的经纬度，日辐照量及每月气温

祁连山气温变化与海拔依赖性研究，赵鹏，刘倩，利用中国祁连山24个气象站点的气温观测值，基于线性回归方法、Mann-Kendall突变分析、Morlet小波分析等方法研究了祁连山气温变化特征，�

计算体感温度，体感温度比气温更符合身体感受

EOF(经验正交函数）用于降水、气温、干旱变化等的时空分析

时间序列数据广泛存在于量化交易， 回归预测等机器学习应用， 是最常见的数据类型。所以这里通过墨尔本十年气温变化预测的任务来整理一个时间序列数据挖掘的模板，方便以后查阅方便。这个模板可以用在大部分的时间序列预测任务，从股票价格波动，到四季气温变化， 从大桥沉降预测，到城市用电预警等。 通过本模板，可以掌握sklearn中常用的工具包以及深度神经网络的搭建Keras，能够学习到处理时间序列的方式，里边还包含了大量的数据可视化的套路。