开发软件：Pycharm + Python3.7 + Django + Echarts + Mysql 实现目标：利用已经收集各个城市包括北京、上海、广州、成都、沈阳的PM2.5空气数据，利用python进行各种数据分析，将分析结果保存到csv文件中，然后利用django框架的网站，前端采用echart对分析的结果进行图表可视化展示。

本文利用2013年12月和2015年12月晴天期间德里的空气质量预测与研究系统（SAFAR）网络观测资料，对城市热岛（UHI）强度及其对空气质量的影响进行了研究。发现在2013年12月和2015年12月，UHI在深夜20:00小时左右达到峰值。 PM2.5的浓度在2013年和2015年的12月都出现了双峰峰值，这是由于交通时间内人为活动增强所致。 在傍晚的交通时间内，UHI的形成是由于人为活动增强，地热通量增加，PBLH和风速降低导致PM2.5浓度升高，导致2013年和2015年十二月。 还发现，UHI强度与PM2.5浓度呈正相关（r = 0.57），与风速呈负相关（r = -0.40），PM2.5浓度也呈负相关（r = -0.57） ）与2013年12月的风速相关。而2015年12月，发现UHI强度与PM2.5浓度呈正相关（r = 0.65），与风速和PM2.5呈负相关（r = -0.45）。浓度也显示出与风速负相关（r = -0.57）。

pm2-extended-http-interface 扩展的 HTTP 接口与 pm2 通信 您可以远程列出停止和启动/重新启动 pm2 进程 开始： 停止： 在每个 pm2 远程主机上运行 pm2-ext-http-interface。 前台启动：node pm2-ext-http-interface.js -p XXXX 默认端口值为9616 从 pm2 开始： pm2 start pm2-ext-http-interface.js -- -p XXXX

机器学习大作业--基于线性回归的PM2.5预测 收集合肥地区过去一段时间（例如过去一年每个月的平均值）的空气质量（例如pm2.5值），然后构建回归模型，能够预测今年某个月的空气质量值 使用模型 线性回归模型 矩阵模型 梯度下降公式

基于线性回归的PM2.5预测系统python源码，包含了所有的数据以及代码。可供学习及设计参考。 # import library # import csv import numpy as np from numpy.linalg import inv import random import math import sys # read data # data = [] # 每一个维度存储一种污染物的数据,一共有18种污染物 for i in range(18): data.append([]) # []表示这十八个输入中，每一个输入都是一个列表 n_row = 0 # 初始从第0行开始 # 打开数据文件,文件big5编码为繁体字 text = open('D:/PythonCodes/CNN/train.csv', 'r', encoding='big5') # 读取名称为text的Excel文件，返回文件行的累加信息,类型为_csv.reader row = csv.reader(text , delimiter=",") # r中保存了当前行的所有信息

近几年由于雾霾的影响，越来越多的新风净化产品走入千家万户，这类产品虽然各不相同，但是其原理大致相同，大多数都是通过滤网对空气过滤的方式实现滤除空气中的颗粒物，主要指标有粉尘、PM2.5等，在新风净化产品中通过加入检测传感器的方式可以实时的检测空气状态（滤网前端的粉尘检测传感器），然后通过检测数据控制新风机的运行，这样既可让用户直观的看出空气质量，同时也可以科学合理的控制新风净化设备的运行，实现更加高效节能的空气净化能效。

【预测模型】灰色理论GM模型地区PM2.5预测【含Matlab源码 499期】.zip

STM32F4基础上，支持DSHCHO、PMS7003、S80053、SGP30、SHT3x等

天气APP 天气APP，提供天气7天天气预报、天气警报和15天历史温度pm2.5数据回顾，并根据moji天气提供的数据自动控制空气过滤装置净化室内空气。

python，爬虫代码，爬取各城市PM2.5数据，并文档记录。