软件工程实习生RMC-Guwahati 20到30年期间特定站点每日降雨数据的多分形趋势分析 关于该项目 MFDA结果表明，降水的多重分形谱与其他气候变量的谱显着不同。 与降水相反，对于全球辐射，空气，湿度，风速和气温，长期相关性占优势，概率密度函数的广泛性在更大程度上影响了多重分形的降雨 项目贡献者 （ Purkayastha）（ ） Alok Kumar Panjiyar（ ）

为了克服ABAQUS 在进行降雨入渗模拟方面的局限性,采用Python 语言对ABAQUS 软件的降雨入渗边界进行二次开发,将降雨边界作为不定边界,采用迭代算法对降雨入渗边界进行处理,开发出基于ABAQUS软件的降雨模块。该模块可以根据降雨强度与土壤入渗能力之间的关系,即时改变降雨边界条件,从而准确的反映降雨过程中降雨边界的动态变化过程,这克服了ABAQUS软件中只能模拟降雨全部入渗,入渗率保持不变的单一情况,完善了ABAQUS软件的降雨入渗分析功能。结果表明:开发出的降雨模块是稳定可靠的,可以用于边坡降

印度尼西亚降雨模式分类使用时间序列K均值 使用时间序列k均值对印度尼西亚的三种主要降雨模式进行聚类。 k均值中的距离计算是动态时间规整（DTW），通常用于模式匹配和时间/顺序数据聚类。

全国年降雨数据统计（2000-2010）

热带降雨测量卫星TRMM的3A12与3A25产品数据集

巴基斯坦降雨2000-2016 巴基斯坦2年中的降雨

内容概要：基于2008年12月份至2017年6月份的数据集，分别训练了随机森林模型和逻辑回归模型。根据今日的气象信息训练分类模型，根据该模型预测澳大利亚第二天的降雨。 该数据集包含来自许多澳大利亚气象站的大约10年的每日天气观测以及天气预报，“RainTomorrow”是要预测的目标变量，这意味着：第二天下雨了，如果当天的降雨量>=1mm，则此列为“是”。气象信息包括日期，城市，最低温度,最高温度,降雨量,蒸发量，阳光（一天中阳光明媚的小时数），一天中最强阵风、9am、3pm的风向和风速，一天中9am、3pm的湿度、气压、云层(云层遮盖的天空比例)、温度、当日是否下雨。 该数据集的主要任务目标是根据今日的气象信息训练分类模型，根据该模型预测澳大利亚第二天的降雨。数据总量为142194行，24列。 目标：1. 基于澳大利亚气象数据集探索数据特征信息；2. 基于澳大利亚气象数据集处理数据特征内容；3. 观察特征中具体的值，可视化分析对预测问题的影响；4. 拆分数据集建模与模型评估；

考虑了降雨强度小于以及大于入渗容量的情况，含水率变化，及其边坡强度折减

人工智人-家居设计-基于GIS的降雨情况下高边坡稳定性智能区域评估研究.pdf

人工智能-基于BP神经网络的温州市地质灾害主控因素台风降雨空间分布及动态预测.pdf