面向公众与环境管理者的城市空气质量监测分析系统：真实采集 12 个城市一年逐小时六项污染物与气象数据，按 HJ 633—2012 计算 AQI 与首要污染物，提供监测大屏、城市详情、区域对比、污染过程复盘、数据质量报告与预报对比实验，并支持原始数据下载。重点是把 AQI 数字变成可解释的结论。

技术栈

Python、Django、pandas、NumPy、scikit-learn、ECharts、MySQL

功能模块

• 真实采集：Open-Meteo（CAMS 观测同化产品）逐小时 6 项污染物 + ERA5 气象，12 城 × 一年 = 105120 条，均 0 缺失；页面与论文如实标注「非地面站点实测」
• AQI 严格按 HJ 633—2012：断点分段线性插值、24 小时均值（有效小时 ≥ 20）、O₃ 日最大 8h 滑动平均、AQI 取最大、首要污染物判定与六级分类
• 数据质量：完整性统计（0 缺失）+ IQR 异常检测与真实极值归因（静稳累积型 / 沙尘型）+ 缺失填补受控实验
• 缺失填补实验：线性插值 MAE 3.51–5.25 最优，前向填充 8.4–11.6，当日中位数 30–33，均值填充 47–51（PM2.5 时间自相关强，邻近时刻信息远优于全局统计量）
• 污染过程复盘：识别 90 段 AQI 连续 ≥100 且 ≥2 天的过程，输出起止/天数/峰值/主因/等级；最长一段为兰州 2026 年 4 月持续 27 天、峰值 AQI 500 的沙尘过程
• 城市与区域对比：日均 AQI 北京 117.7 最差、哈尔滨 50.9 最优；华北 107.4 > 东北 50.9；首要污染物呈地域特征（华北 PM2.5 / 兰州 PM10 / 沪深 NO₂ / 哈尔滨 O₃）
• 预报对比实验：过去 3 天 → 次日日均 AQI，按时间顺序切分避免信息泄漏；持续性 17.12 / 线性回归 18.83 / 梯度提升 17.07（仅改善约 0.3%）
• 可视化：深色数据大屏 + 城市卡片矩阵 + AQI 日历热力图 + 可缩放多污染物趋势 + 过程曲线（含风速）+ 原始数据在线下载

运行环境

• 编程语言：Python 3.8 及以上
• 后端框架：Django 4.2
• 数据采集：requests 真实 HTTP 采集（Open-Meteo 空气质量 + ERA5 归档气象，带重试）
• 数据分析：pandas 2.0 / NumPy 1.23 / scikit-learn 1.3
• 数据库：MySQL 8.0（交付默认 SQLite，免安装）
• 可视化：ECharts 5（已内置本地文件，离线可用）
• 数据规模：12 城 × 8760 小时 = 105120 条，6 项污染物 + 3 项气象，0 缺失
• 操作系统：Windows / macOS / Linux
• 启动方式：双击一键脚本，或 python manage.py runserver 8083

界面截图

文档预览

交付的任务书、开题报告与论文均为 Word 文档，下面是真实页面预览：

交付内容

• 完整源码（Django 工程 + 真实采集脚本 + AQI 计算 + 数据质控 + 分析 + 预报对比）
• 真实采集的原始逐小时数据（data/raw/*.csv，12 城 + 城市清单，可在线下载）
• 分析产物（每日 AQI、月度/日内画像、城市与区域对比、污染过程、数据质量、预报指标）与演示数据库
• 毕业设计任务书（Word）
• 开题报告（Word）
• 毕业论文（Word，七章制，含数据来源与口径、数据质量实验、区域分析与预报对比章节）
• 系统使用与二次开发说明（Word + md）
• 11 张系统运行截图