全国年降雨数据统计（2000-2010）

05年数学建模D题论文降雨量预报的准确性定量评价

Machine-Learning-with-Python:使用机器学习预测澳大利亚的降雨量

同仁市降雨量分布栅格数据2020年

基于RS 分析的阿坝藏族羌族自治州年降雨量定量预测.pdf

C#开发，完整的工程源码， 非常专业的降雨量色斑图程序，值得拥有和收藏 这个资料不错，很有参考价值！！

马尔科夫与ARIMA 组合模型对地区降雨量的预测研究.pdf

采用爬虫获取河南省18个市的降水过程，基于pyechats中的map和timeline进行动态可视化展示降雨过程的分布情况。

准确及时的每月降雨量预报是水文研究等科学界面临的主要挑战，例如河流管理项目和洪水预警系统的设计。 支持向量回归（SVR）是一个非常有用的降水预测模型。 本文提出了一种新的并行协同进化算法，基于遗传算法和粒子群优化算法SVRGAPSO的并行协同进化，可以确定SVR在降雨预测中的合适参数，用于月降水预测。 并行协同进化算法的框架是同时迭代两个GA和PSO种群，这是GA和PSO种群之间进行信息交换以克服过早的局部最优的一种机制。 我们的方法采用混合PSO和GA，通过并行协同发展来获得SVR的最佳参数。 所提出的技术可用于降雨预报，以测试其概括能力并与几种竞争技术进行比较评估，例如其他替代方法，即SVRPSO（带PSO的SVR），SVRGA（带GA的SVR）和SVR模型。 实证结果表明，SVRGAPSO结果具有较好的泛化能力，在降雨预报中具有最低的预测误差值。 SVRGAPSO可以显着提高降雨预报的准确性。 因此，SVRGAPSO模型是降雨预报的有希望的替代方法。

采用基于均生函数逐步回归的正交化筛选建模方法剥柳州市1935～1976年的年降雨量序列进行拟合计算，并由所得的线性回归模型对1977～1982年降雨量进行预测。结果表明该方法拟合效果良好，并有一定的预测能力。