银发群体高温多时间尺度预警和服务优化可视化研究
本科毕业设计 — 河南理工大学计算机科学与技术学院
概述
本项目针对焦作市和郑州市老年群体，构建了基于 LSTM-Attention 的多时间尺度高温健康风险预警模型，并开发了 ECharts 可视化大屏系统。
核心功能
- 多时间尺度预警：短期（1-3天）、中期（7天）、长期（30天）三级高温健康风险预测
- 深度学习模型：BiLSTM + Multi-Head Attention，三头输出同时预测三个时间尺度
- 基线对比：XGBoost 三分类器，验证深度学习方法有效性
- 可视化大屏：6 面板深色科技蓝风格 Web 大屏，含温度趋势、风险预警、人口统计等
- 完整论文：LaTeX 学位论文，含 7 个章节 + 参考文献 + 附录
技术栈
| 层 | 技术 |
|---|---|
| 数据处理 | Python, xarray, pandas, numpy |
| 气象数据 | ERA5-Land (CDS API) |
| 深度学习 | PyTorch 2.12, CUDA 12.6 |
| 传统模型 | XGBoost, scikit-learn |
| Web 后端 | Flask |
| 可视化 | ECharts 5.5 |
| 包管理 | uv |
| 论文 | LaTeX (XeLaTeX + ctexbook) |
环境配置
系统要求
- Python 3.13
- NVIDIA GPU (推荐，RTX 4060 或以上)
- Windows 11 / Linux
安装
# 创建虚拟环境
uv venv --python "D:\settings\Language\Python\Python 3.13.13\python.exe"
# 安装依赖
uv pip install -e .
CDS API 配置（数据下载必需）
- 注册 Copernicus CDS 账号：https://cds.climate.copernicus.eu/
- 获取 API Key
- 创建
~/.cdsapirc：
url: https://cds.climate.copernicus.eu/api
key: <UID>:<API_KEY>
运行指南
1. 数据获取与预处理
# 下载 ERA5 气象数据（需要 CDS API 配置）
python -m src.data.download_era5
# 收集死亡率与人口数据
python -m src.data.collect_mortality
# 运行预处理管道
python -m src.data.preprocess
2. 探索性数据分析
jupyter notebook notebooks/eda.ipynb
3. 模型训练
# 训练 LSTM-Attention 模型
python -m src.models.train
# 模型评估与对比
python -m src.models.evaluate
4. 启动可视化大屏
python -m src.web.app
# 浏览器打开 http://localhost:5005
5. 论文编译
cd thesis
make
# 或手动: xelatex main && biber main && xelatex main && xelatex main
项目结构
project/
├── data/
│ ├── raw/era5/ # ERA5 原始 NetCDF 文件
│ ├── processed/ # 预处理后 CSV 和 NPZ 序列
│ └── external/ # 死亡率/人口/暴露反应数据
├── src/
│ ├── data/ # 数据获取与预处理
│ │ ├── download_era5.py
│ │ ├── collect_mortality.py
│ │ └── preprocess.py
│ ├── models/ # 模型定义与训练
│ │ ├── lstm_attention.py
│ │ ├── xgboost_baseline.py
│ │ ├── train.py
│ │ └── evaluate.py
│ ├── web/ # Web 可视化
│ │ ├── app.py
│ │ └── static/index.html
│ └── utils/
│ └── config.py # 全局配置
├── notebooks/
│ └── eda.ipynb # 探索性数据分析
├── outputs/
│ ├── models/ # 训练好的模型权重
│ ├── figures/ # 论文和评估图表
│ └── logs/ # 训练日志
├── thesis/ # LaTeX 学位论文
│ ├── main.tex
│ ├── chapters/ # 各章节 tex 文件
│ ├── refs.bib # 参考文献
│ └── Makefile
└── docs/superpowers/ # 设计文档和计划
模型架构
输入 (14天气象序列)
→ Linear 嵌入 (16 → 128)
→ 2层 BiLSTM (128, dropout=0.3)
→ Multi-Head Attention (4 heads)
→ Linear 投影 (256 → 128)
→ 三头输出
├── 短期头 (128→64→4)
├── 中期头 (128→64→4)
└── 长期头 (128→64→4)
总参数量：~983K
风险等级定义
| 等级 | 条件 | 颜色 |
|---|---|---|
| 低风险 | 体感温度 < 32°C | 绿 |
| 中风险 | 体感温度 32-35°C | 黄 |
| 高风险 | 体感温度 35-38°C 或连续 3 天 >35°C | 橙 |
| 严重风险 | 体感温度 >= 38°C 且连续 3 天 >35°C | 红 |
数据来源
| 数据 | 来源 | 时间范围 |
|---|---|---|
| 气象数据 | ERA5-Land (Copernicus CDS) | 2010-2024 |
| 死亡率 | 中国卫生健康统计年鉴 | 2010-2023 |
| 暴露反应曲线 | Chen et al. (2018) Lancet Planet Health | — |
| 人口数据 | 第七次全国人口普查 (2020) | 2020 |
| 老龄化率 | 河南省统计年鉴 | 2010-2023 |