计算机毕业设计Python地震预测系统地震数据分析可视化地震爬虫大数据毕业设计 Flink Hadoop 深度学习机器学习人工智能知识图谱-编程知识

计算机毕业设计Python地震预测系统地震数据分析可视化地震爬虫大数据毕业设计 Flink Hadoop 深度学习机器学习人工智能知识图谱

学生信息	姓名：	祁浩	题目：	基于Python的中国地震数据分析与可视化系统的设计与实现
	学号：	2020135211	班级：	20大数据本科2班	指导教师：	刘思思
答辩过程	学生开题陈述
	为了让学习者更好的了解了解地震的分布、发生规律和发展趋势，为其他类似系统的设计和实现提供参考，采用 Python爬虫技术爬取中国地震台网的地震信息。然后利用pandas、NumPy等库对地震数据进行深入分析，分析地震的频率，次数统计，趋势，包括地震数据的统计特征、分布规律等。将清洗后的数据存入数据库。利用matplotlib、Seaborn、Plotly等库进行地震数据的可视化，包括散点图、地图、热力图以及划分地震带图等，以便更直观地展示地震数据的信息。用 Flask 作为 Web 框架开发 Web 应用程序，将可视化的数据展示在网页，提高了用户查询信息的速度，方便学习者更好的认识到中国地震，也能更好地，更直观的发现地震数据之间的关联以及趋势。
	答辩小组问题
	如何划分地震带，用频率？答：采用聚类分析，对数据进行分类，并对地震的特征进行分析。以此划分。中国地震数据是否足够划分地震带？答：爬取的是中国地震台网的数据，其保留有2012年至今的地震数据，约2万条，是足够的。 3．爬取的有什么信息？答：时间、地点、震级、深度等。
答辩小组意见	□同意开题 □同意开题，但需改进，改进意见： □不同意开题签字：年月日
注：答辩过程及小组意见由答辩小组秘书填写，全组成员签字。

核心算法代码分享如下：

/*
Navicat MySQL Data TransferSource Server         : localhost_3306
Source Server Version : 50728
Source Host           : localhost:3306
Source Database       : hive_earthquakeTarget Server Type    : MYSQL
Target Server Version : 50728
File Encoding         : 65001Date: 2024-05-09 22:51:58
*/SET FOREIGN_KEY_CHECKS=0;-- ----------------------------
-- Table structure for table01
-- ----------------------------
DROP TABLE IF EXISTS `table01`;
CREATE TABLE `table01` (`sheng` text COLLATE utf8mb4_bin,`num` bigint(20) NOT NULL
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_bin;-- ----------------------------
-- Records of table01
-- ----------------------------
INSERT INTO `table01` VALUES (0xE696B0E79686, '2651');
INSERT INTO `table01` VALUES (0xE5B9BFE8A5BF, '30');
INSERT INTO `table01` VALUES (0xE6B5B7E58D97, '8');
INSERT INTO `table01` VALUES (0xE99995E8A5BF, '48');
INSERT INTO `table01` VALUES (0xE5AE81E5A48F, '50');
INSERT INTO `table01` VALUES (0xE6B19FE88B8F, '39');
INSERT INTO `table01` VALUES (0xE5A4A9E6B4A5, '14');
INSERT INTO `table01` VALUES (0xE9BB91E9BE99E6B19F, '27');
INSERT INTO `table01` VALUES (0xE4BA91E58D97, '792');
INSERT INTO `table01` VALUES (0xE58685E89299E58FA4, '157');
INSERT INTO `table01` VALUES (0xE5B9BFE4B89C, '82');
INSERT INTO `table01` VALUES (0xE7A68FE5BBBA, '28');
INSERT INTO `table01` VALUES (0xE8A5BFE8978F, '865');
INSERT INTO `table01` VALUES (0xE99D92E6B5B7, '556');
INSERT INTO `table01` VALUES (0xE6B996E58C97, '30');
INSERT INTO `table01` VALUES (0xE9878DE5BA86, '42');
INSERT INTO `table01` VALUES (0xE8B4B5E5B79E, '47');
INSERT INTO `table01` VALUES (0xE6B2B3E58D97, '20');
INSERT INTO `table01` VALUES (0xE8BEBDE5AE81, '87');
INSERT INTO `table01` VALUES (0xE5B1B1E8A5BF, '66');
INSERT INTO `table01` VALUES (0xE6B996E58D97, '8');
INSERT INTO `table01` VALUES (0xE58FB0E6B9BE, '661');
INSERT INTO `table01` VALUES (0xE6B19FE8A5BF, '8');
INSERT INTO `table01` VALUES (0xE6B599E6B19F, '26');
INSERT INTO `table01` VALUES (0xE79498E88283, '188');
INSERT INTO `table01` VALUES (0xE5B1B1E4B89C, '64');
INSERT INTO `table01` VALUES (0xE6B2B3E58C97, '195');
INSERT INTO `table01` VALUES (0xE59B9BE5B79D, '1236');
INSERT INTO `table01` VALUES (0xE58C97E4BAAC, '24');
INSERT INTO `table01` VALUES (0xE59089E69E97, '78');
INSERT INTO `table01` VALUES (0xE5AE89E5BEBD, '29');