模糊PID控制电厂运用，毕业设计等很多人能够用到，需要的人可以来看看真的写的非常好。

爬虫代码，爬取四川省各市天气状况，保存到excel中，内容包含日期，气温，降水，代码可修改为全国各地

2013年至2017年全国气温数据，详情请看数据页文档说明

神经网络气温预测数据.rar

需求描述   打开天气网，点击上方城市名称，再点击“15天天气”，进入如下页面。这里以天津为例。   可以看到，这里是有未来15天的天气和气温状况的。我们要做的就是把每天的最高和最低气温爬取下来，并做成折线图的形式。 需求分析   任意选取一天的气温，单击鼠标右键检查元素（这里我使用的是Firefox浏览器，不同浏览器可能略有不同）进入查看器。我们得到了下图所示的HTML结构。   可以看出，每一天的天气信息都存储在class属性为table_day的div标签之中，而气温信息则存储在div标签内部的class属性为temp的li标签之中。那么，我们只需要定位到这个标签，对该标签内的文本

基于Python爬虫技术的城市气温与温室效应关系分析.pdf

1961-2013年上海及各站极端天气要素数据，包括高温日数、暴雨日数、雷暴日数、大风日数、雾日数、霾日数、气温和降水。数据以.xlsx格式存储。数据集包括：表1-上海气象站多年平均极端天气气候要素距平值数据；表2-上海及所辖区县11个气象台（站）极端天气气候要素多年平均值数据；表3-上海极端天气气候要素多年月平均数据；表4-上海市极端天气气候要素历年统计数据。

中国高温日数及南方盛夏高温分型数据集（1983-2017）是基于1983-2017年中国2374个地面气象站点6-9月日尺度最高气温数据和中国南方750个站点盛夏高温数据基础上进行分类和空间插值完成。该数据集包括：（1）中国历年高温日数栅格数据；（2）中国年均高温日数栅格数据；（3）中国高温日数趋势栅格数据；（4）中国南方盛夏高温分型距平温度空间模态栅格数据；（5）中国南方6-9月高温日数年际变化统计数据；（6）中国盛夏各型高温日数年际变化统计数据。本数据集存储为.nc和.txt格式，

1960-2016年贵州省33个气象站点的逐日气温数据集，采用极端低温日数（TN10P）、极端高温日数（TN90P）、夏日日数（SU25）、霜日日数（FD0）、热持续指数（WSDI）、冷持续指数（CSDI）指标，进行统计和分析，得到贵州省各市县1960-2016年极端气温数据集。 该数据集包括1960-2016年间：（1）贵州省9市（安顺、毕节、贵阳、六盘水、黔东南、黔南州、黔西南、铜仁、遵义）历年极端气温指标统计数据；（2）贵州省各县历年极端低温日数(TN10P)统计数据；（3）贵州省各县历年极端高温日数(TX90P)统计数据；（4）贵州省各县历年夏日日数（SU25）统计数据；（5）贵州省各县历年霜日日数（FD0）统计数据；（6）贵州省各县历年热持续指数（WSDI）统计数据；（7）贵州省各县历年冷持续指数（CSDI）统计数据；（8）贵州省各县极端气温指标倾向率数据；（9）贵州省极端气温指标历年距平数据。数据集存储为1个Excel文件（.xlsx格式）

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