【數據分享】某地區1959~2019年60年降雨量時間序列數據

原文鏈接：http://tecdat.cn/?p=23544 

原文出處：拓端數據部落公眾號

數據簡介

每年的降雨量數據可能是相當不穩定的。與溫度不同，溫度通常在四季中表現出明顯的趨勢，而雨量作為一個時間序列可能是相當不穩定的。夏季的降雨量與冬季的降雨量一樣多是很常見的。本數據為某地區1959年11月到2019年12月的降雨量數據（查看文末了解數據獲取方式)。

數據詳情

數據格式

csv

字段

年

月

降雨量

大小

8.95kb

樣本量

722

數據瀏覽

以前6行數據為例，我們來預覽一下：

變量探索：

數據獲取

在下面公眾號后台回復“降雨量數據”，可獲取完整數據。

---

點擊標題查閱相關文章

Python用LSTM長短期記憶神經網絡對不穩定降雨量時間序列進行預測分析

左右滑動查看更多

01

02

03

04

點擊標題查閱往期內容

R語言中的神經網絡預測時間序列：多層感知器（MLP）和極限學習機（ELM）數據分析報告

R語言深度學習：用keras神經網絡回歸模型預測時間序列數據

Matlab用深度學習長短期記憶（LSTM）神經網絡對文本數據進行分類

R語言KERAS深度學習CNN卷積神經網絡分類識別手寫數字圖像數據（MNIST）

MATLAB中用BP神經網絡預測人體脂肪百分比數據

Python中用PyTorch機器學習神經網絡分類預測銀行客戶流失模型

R語言實現CNN（卷積神經網絡）模型進行回歸數據分析

SAS使用鳶尾花(iris)數據集訓練人工神經網絡(ANN)模型

【視頻】R語言實現CNN（卷積神經網絡）模型進行回歸數據分析

Python使用神經網絡進行簡單文本分類

R語言用神經網絡改進Nelson-Siegel模型擬合收益率曲線分析

R語言基於遞歸神經網絡RNN的溫度時間序列預測

R語言神經網絡模型預測車輛數量時間序列

R語言中的BP神經網絡模型分析學生成績

matlab使用長短期記憶（LSTM）神經網絡對序列數據進行分類

R語言實現擬合神經網絡預測和結果可視化

用R語言實現神經網絡預測股票實例

使用PYTHON中KERAS的LSTM遞歸神經網絡進行時間序列預測

python用於NLP的seq2seq模型實例:用Keras實現神經網絡機器翻譯

用於NLP的Python：使用Keras的多標簽文本LSTM神經網絡分類

欲獲取全文文件，請點擊左下角“閱讀原文”。