博文链接：https://cxlh.iteye.com/blog/243355

pySTEPS-用于短期整体预测系统的Python框架 docs 地位 包裹 社区 什么是pysteps？ Pysteps是一个开源的社区驱动的Python库，用于概率降水临近预报（即短期总体预报系统）。 pysteps的目的是满足两个不同的需求。 首先是为感兴趣的研究人员提供一种模块化的，有据可查的框架，以研究新的方法进行降水的临近预报和随机时空模拟。 第二个目标是为从天气预报员到水文学家的从业人员提供一个高度可配置且易于访问的平台。 pysteps库支持标准的输入/输出文件格式，并实现了几种光流方法以及先进的随机生成器来生成整体临近广播。 此外，它包括用于可视化和后期处理临近预报的工具，以及用于确定性，概率性和邻域预测验证的方法。 运行您的第一个即时广播 使用pysteps来计算和绘制此交互式笔记本在Google Colab中即时播报的推断。 保持联系 您可以在pys

#Stock trend prediction system 这是一个股票趋势预测系统，前后端分离架构。 前端单页面响应式设计，用的Angular 后端使用Django + Django ReST Framework 提供Api供前端调用 后端R语言实现预测算法,通过Python调用。使用ANN，SVM等机器学习算法，随机森林选择参数，时间序列预测 #Introduction ########(The front is very simple) Provide hot stocks Predict stock trends(Support high concurrency, Asynchronous execution， Not repeat the calculation using redis cache） Perform a task when the market closed c

基于Django构建在线文本分类预测系统代码、模型、数据集：SVM模型在线预测与部署 基于 Django 3.2 框架，参考博客：https://blog.csdn.net/wangyaninglm/article/details/116334297

客流预测是城市轨道交通或地铁运营中必不可少的功能部分。 准确的客流预测有助于解决诸如减少拥挤和乘客等待时间、缓解交通拥堵或通过交通控制和路线引导减少发生率等问题。 这篇系统的文献综述展示了 Metro 几年来最先进的客流预测算法。 此前，已有多项研究提出了一种预测地铁客流的算法，从传统的经典算法、基于回归的模型、基于机器学习的模型和混合模型。 我们探讨了多年来研究中使用算法的频率、开发算法时使用的变量，以及如何衡量每种算法的性能。

使用TensorFlow和通用句子编码器进行下一个单词预测 该项目正在利用一种转移学习的方法，即使用Google的通用句子编码器在给定包含5个单词的字符串的情况下预测下一个单词。 通用句子编码器包装在带有Tensorflow的Lambda层中，并堆叠在递归层的顶部，然后是softmax层，以为下一个单词提供概率分布。 该模型在包含数百万行英语的美国博客的数据集上进行了训练。 由此，我正在使用滑动窗口方法来获取模型的训练样本和标签。 使用过采样方法（例如SMOTE）面临类不平衡的问题。 该模型使用Flask包装到API中，并且可以在本地主机上运行。 Linux / macOS的用法 创建一个虚拟环境 python3 -m venv env 激活虚拟环境： source env/bin/activate 安装要求： pip install -r requirements.txt

一种基于数值天气预报的风能预测系统，李洪涛，马志勇，本文提出了一种基于数值天气预报以及人工神经网络的混合型风能预测系统。该系统以通过数值天气预报得到的风速和风向预测数据作为

火灾的早期探测难题主要集中在探测对象难以选择、探测方法单一及准确预警概率低。本系统针对这些问题，在对火灾发生的过程和产物作了详细了解以后，选择适当的传感器对具有明显火灾特征的几个参数进行监测，再利用D-S证据理论对所有监测数据进行融合处理得到更为准确的判定结果。 　　1 火灾探测对象的选定 　　在火灾探测过程中，可以利用的火灾信息很多： 　　(1)固态高温产物：于可燃物中的杂质，以及高温状态下可燃物热裂解所形成的物质。 　　(2)燃烧音：燃烧过程中产生的高温，加热周围空气，使之膨胀，产生一种频率仅在数赫兹左右的压力声波，即是燃烧音。 　　(3)火焰光谱：主要由炽热微粒的光谱辐射和燃烧气体的特征

B.技术疾病预测项目 通过机器学习和Python开发的疾病预测系统最后一年项目 最终疾病预测项目 通过机器学习和Python开发的疾病预测系统最后一年项目 机器学习-机器学习是一种使分析模型构建自动化的数据分析方法。 它是人工智能的一个分支，其基础是系统可以从数据中学习，识别模式并在最少的人工干预下做出决策。 Scikit-learn（Sklearn）是用于Python中机器学习的最有用和最强大的库。 它通过Python中的一致性接口为机器学习和统计建模提供了一系列有效的工具，包括分类，回归，聚类和降维。 该库主要用Python编写，基于NumPy，SciPy和Matplotlib构建。 该系统通过给定的症状预测不同类型的疾病。 数据集包含4000多种疾病。 您可以在大学和工作中使用此项目 你好呀， 如何运行此项目- 现在通过给我发送邮件，以获取项目报告，PPT，项目代码和简介。

疾病预测11 疾病预测系统