原文链接：http://tecdat.cn/?p=23544
原文出处：拓端数据部落公众号
数据简介
每年的降雨量数据可能是相当不稳定的。与温度不同，温度通常在四季中表现出明显的趋势，而雨量作为一个时间序列可能是相当不稳定的。夏季的降雨量与冬季的降雨量一样多是很常见的。本数据为某地区1959年11月到2019年12月的降雨量数据（查看文末了解数据获取方式)。
数据详情
数据格式
csv
字段
年
月
降雨量
大小
8.95kb
样本量
722
数据浏览
以前6行数据为例，我们来预览一下：
变量探索：
数据获取
在下面公众号后台回复“降雨量数据”，可获取完整数据。
点击标题查阅相关文章
Python用LSTM长短期记忆神经网络对不稳定降雨量时间序列进行预测分析
左右滑动查看更多
01
02
03
04
点击标题查阅往期内容
R语言中的神经网络预测时间序列：多层感知器（MLP）和极限学习机（ELM）数据分析报告
R语言深度学习：用keras神经网络回归模型预测时间序列数据
Matlab用深度学习长短期记忆（LSTM）神经网络对文本数据进行分类
R语言KERAS深度学习CNN卷积神经网络分类识别手写数字图像数据（MNIST）
Python中用PyTorch机器学习神经网络分类预测银行客户流失模型
SAS使用鸢尾花(iris)数据集训练人工神经网络(ANN)模型
【视频】R语言实现CNN（卷积神经网络）模型进行回归数据分析
R语言用神经网络改进Nelson-Siegel模型拟合收益率曲线分析
matlab使用长短期记忆（LSTM）神经网络对序列数据进行分类
使用PYTHON中KERAS的LSTM递归神经网络进行时间序列预测
python用于NLP的seq2seq模型实例:用Keras实现神经网络机器翻译
用于NLP的Python：使用Keras的多标签文本LSTM神经网络分类
欲获取全文文件，请点击左下角“阅读原文”。