# python防震哨兵

**Repository Path**: ntdai/basic-flask-seismic-sentinel

## Basic Information

- **Project Name**: python防震哨兵
- **Description**: 基于flask与机器学习的系统
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 1
- **Forks**: 0
- **Created**: 2025-07-19
- **Last Updated**: 2025-08-19

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 地震数据分析系统技术文档



### 一、技术架构



##### 前端



*   采用 **Vue.js** 框架作为基础，实现界面的组件化开发，提升代码复用率与开发效率。


*   整合 **Echarts** 与 **DataV** 工具，将复杂的地震数据转化为多样化的可视化图表，如动态柱状图、交互式地图等。


##### 后端;



*   基于 **Flask** 框架搭建后端服务，以轻量化的特点高效处理各类业务逻辑。


*   选用 **MySQL 5.7+** 作为数据库管理系统，安全存储海量的地震原始数据，确保数据的完整性与一致性。


*   集成机器学习算法模型，为地震预测分析提供核心算力支持，提升预测的科学性与准确性。


### 二、环境要求



##### 基础环境



*   **Python**：需使用 `3.7+` 版本，为后端的 Flask 框架运行以及机器学习模型的运算提供必要环境。


*   **Node.js**：`12+` 版本，满足前端项目依赖安装、代码编译等一系列开发需求。


*   **MySQL**：`5.7+` 版本，用于搭建数据库环境，在使用前需提前创建好对应的数据库实例。


### 三、安装部署步骤



##### 后端安装



```bash
# 进入后端项目目录


cd backend


# 安装所需依赖包，包括Flask框架、数据库连接工具、数据处理库及机器学习相关库


conda install flask  mysql-connector-python pandas numpy  matplotlib

```

##### 前端安装



```bash
cd project


# 对项目进行编译构建，生成可用于部署的静态文件


npm run build
```

### 四、系统使用指南



##### 服务启动



*   **启动后端服务**：




```bash
cd backend


python app.py

 # 服务启动后，默认在本地指定端口（例如5000）监听前端请求
```



*   **启动前端**：




```bash
cd project


npm run serve


 # 开发模式下，前端服务会在本地端口8080运行，支持代码实时更新
```

##### 主要功能



*   **用户登录**：访问系统首页，输入正确的用户名和密码完成身份验证后即可进入系统。


*   **地震数据统计**：可按照年份、月份、不同时段等维度，查看地震发生的具体统计情况。


*   **地理分布查看**：通过可视化地图，直观了解全国范围内地震的分布状况。


*   **地震预测分析**：查看基于机器学习算法得出的地震预测结果，为相关决策提供参考。



### 五、核心功能模块



##### 数据采集与存储模块



*   支持从 CSV 格式文件中导入地震原始数据，并对数据进行校验和处理。


*   将处理后的有效数据存储到 MySQL 数据库中，形成系统化的地震数据集。


##### 数据分析与统计模块



*   实现地震数据的多维度统计，包括年度统计、月度统计、时段统计、区域分布统计以及震级区间统计等。


*   通过对数据的深度分析，挖掘地震发生的规律和特征。


##### 地震预测模块



*   基于 SVM 算法构建地震预测模型，利用历史地震数据对模型进行训练和优化。


*   将预测结果以可视化的方式呈现，方便用户理解和使用。