浙江空气质量项目的数据、模型与看板链路

总体链路

浙江省空气质量项目按下面的路径处理数据：

数据采集 -> 数据清洗 -> 统计分析 -> 机器学习 -> Flask API -> Three.js/ECharts 前端看板。

历史数据、实时采集结果和模型输出沿着这条链路进入同一套接口与看板。静态趋势分析和当前城市状态因此使用同一份系统数据。

数据层

项目里有三类数据：

• 浙江省 11 个地市的月度 AQI 数据。
• 杭州、宁波、温州等城市的历史天气数据。
• 通过 aqicn 和 Open-Meteo 获取的实时 AQI 与天气数据。

历史数据用于趋势、季节性和城市间对比；实时数据更新看板状态和预警提示。

实时采集结果写入 SQLite。后端读取每个城市的最新记录，整理为前端可直接使用的 JSON。

分析层

统计分析先处理四类基础问题：

• 哪些城市 AQI 水平更高？
• AQI 是否存在季节变化？
• 温度、湿度、风速和 AQI 是否存在相关性？
• 不同污染物在各城市中如何分布？

这些结论来自原始数据和统计图表，是模型结果的对照基础。

机器学习层

机器学习模块承担四类任务：

• 回归：预测 AQI 数值。
• 分类：判断空气质量等级。
• 聚类：发现城市或时间段的相似模式。
• 时间序列：观察 AQI 的周期变化和未来趋势。

模型输出与统计图表同时呈现，用于解释数值变化、等级判断、相似模式和时间趋势。单独展示预测结果无法说明其数据背景。

后端 API

Flask 后端将数据和模型结果整理为接口，路由调用独立模块完成具体工作：

• crawler 负责实时采集。
• analysis 负责统计和图表输出。
• ml 负责模型训练和预测。
• app 里的规则引擎和推荐系统负责解释与建议。

APScheduler 按固定间隔触发实时采集，新的记录会进入 SQLite，供看板后续读取。

前端看板

前端由三个页面组成：

• 3d.html：3D 浙江地图和全省监测大屏。
• detail.html：城市详情和算法分析。
• charts.html：全省图表、模型结果和预测天数控制。

Three.js 负责地图与空间入口，ECharts 负责趋势、对比、雷达图和排行榜。页面按这两类信息划分，地图和统计图表各自承担清晰的阅读任务。

3d.html 将城市列表转换为空间入口。浙江 GeoJSON 先由 D3 投影为平面坐标，再由 Three.js 拉伸为地市区块。实时 AQI 数据到达前端后，会更新城市颜色、标签纹理、悬浮卡片和顶部统计。

看板按两层路径组织信息：

1. 先通过 3D 地图理解全省空气质量分布。
2. 再通过 ECharts 图表和城市详情解释污染物、天气因素和模型结果。

Three.js 的实现细节放在另一篇知识卡片中；这篇只说明系统中的数据和页面职责。

可复用经验

类似项目可以按同样的顺序推进：

1. 先让数据来源稳定。
2. 再做清洗和统计分析。
3. 然后补模型层。
4. 最后把结果组织成看板和 API。

先确认数据采集和清洗链路稳定，再增加模型。数据来源或更新频率不稳定时，复杂模型的结果也难以解释。