企业官网建设流程全解析

简介：一份基于LSTM与Django的空气质量监测及预测系统源码，定位明确：帮助正在完成毕业设计、期末大作业或课程设计的学生，快速搭建一套可演示、可扩展的完整Web系统，也适合初学者学习深度学习模型与Web开发结合的项目范式。项目围绕空气质量数据展开，涵盖LSTM时序预测、Django后端API、前端可视化页面与核心代码注释，模型训练、数据归一化、视图路由等关键环节均有说明，从数据处理到结果展示链路完整。压缩包共260个文件，约7.07MB，主要有164个scss样式文件、23个js脚本、15个py源文件、15个pyc编译文件、8个html页面，以及csv数据文件、sqlite3数据库、xml配置等，前端样式、后端逻辑、模型训练、数据存储分布清晰。内置真实空气质量数据集，提供分析、省份统计等模块页面，部署后即可运行，可复用时序预测模块，也便于替换数据二次开发。目前已有384人学习下载，对于追求高分、注重完整度与代码规范性的学习者来说，是一份性价比很高的参考实现。

1. 为什么这个选题值得做：LSTM 负责预测，Django 负责站在台前

如果让我只挑一个毕业设计方向，那一定是“基于LSTM+Django的空气质量监测与预测系统”。很多第一次接触这个题目的人会以为难点在模型：LSTM的隐藏层、时间步、损失函数怎么调，觉得把预测精度跑上去就大功告成。但实际上，真正让 A 同学这类人熬夜返工的是数据链路——从环境监测接口或传感器拿到数据，清洗入库，再用 Django 把实时指标和预测曲线展示出来。整条链路里，LSTM 反而是最容易跑通的一环。

这套系统的价值在于把两件事串起来了：一是用 LSTM 对 PM2.5 这类时间序列做多步预测，二是用 Django 做一个能实时查询、可视化、带预测功能的 Web 平台。适合的人群很具体：计算机、数据科学、环境工程相关专业需要完成完整项目的学生，以及想入门时间序列预测但缺少真实业务场景的开发者。它不要求你懂底层的神经网络推导，但要求你能把一个模型放进一个 Web 系统里稳定跑起来——这正是毕业设计要考察的工程能力。

2. 系统架构与数据链路：从数据采集到预测展示的完整设计

2.1 四层架构与选型理由

这套系统的整体结构我习惯拆成四层：数据采集层、数据存储层、模型预测层、Web 应用层。采集层负责定时拉取监测站的历史数据和实时数据，存储层用 MySQL 保存原始记录和预测结果，模型预测层跑 LSTM 训练与推理，Web 层用 Django 对外提供页面和接口。每一层之间只通过明确的数据格式通信，这是项目后期调试时最省心的做法。

选型理由先讲 Django。常见做法是用 Flask 写轻量接口，但毕业设计要交文档、要演示、要展示后台管理能力，Django 自带的 ORM、Admin 后台、模板语法和用户认证模块能省掉大量重复代码。你不需要手写 SQL 的增删改查，ORM 会帮你处理；答辩时打开 Admin 后台给评委看数据管理界面，比贴 JSON 接口有说服力得多。模板系统也让页面渲染变得直观，不用单独搭前端项目。

LSTM 的选型理由则要从数据本身讲。空气质量指标是典型的时间序列，当前时刻的 PM2.5 浓度与过去 24 小时甚至 48 小时的变化趋势强相关，这种长短期依赖关系恰好是 LSTM 的设计目标。相比传统 ARIMA 需要人工定阶、难以处理多变量输入，LSTM 可以直接把 PM2.5、PM10、SO2、NO2、O3、CO 六个指标拼成多维度输入，让模型自己学习污染物之间的耦合关系。对课程设计而言，这种“黑匣子”特性反而是优点——你不用花大量篇幅推导数学公式，把精力放在数据质量和工程链路上，效果通常不会差。

2.2 数据表设计与采集脚本落地

不管数据来源是公开数据平台还是自建传感器，落到数据库里的结构都差不多。我一般建两张表：一张存监测原始记录，一张存模型预测结果。原始表以监测时间和站点做联合唯一索引，避免重复采集；预测表存放模型每一次推理输出的未来 N 小时结果，带一个模型版本字段，方便以后换模型做对比。

CREATE TABLE monitor_record ( id INT AUTO_INCREMENT PRIMARY KEY, station_name VARCHAR(64) NOT NULL, monitor_time DATETIME NOT NULL, pm25 FLOAT, pm10 FLOAT, so2 FLOAT, no2 FLOAT, o3 FLOAT, co FLOAT, aqi INT, UNIQUE KEY idx_station_time (station_name, monitor_time) ) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4; CREATE TABLE prediction_result ( id INT AUTO_INCREMENT PRIMARY KEY, station_name VARCHAR(64) NOT NULL, predict_time DATETIME NOT NULL, target_time DATETIME NOT NULL, pm25_pred FLOAT, model_version VARCHAR(32), KEY idx_predict (station_name, predict_time) ) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;

两张表都用 utf8mb4 字符集，否则存中文站点名会出现乱码；monitor_record 的联合唯一索引是防重复采集的第一道防线，脚本重跑也不会把数据翻倍。采集脚本我通常写成 Django 的 management command，好处是能直接复用项目的 settings 配置和 ORM 模型，不用单独维护一套数据库连接。

# monitoring/management/commands/fetch_data.py import requests from datetime import datetime, timedelta from django.core.management.base import BaseCommand from monitoring.models import MonitorRecord class Command(BaseCommand): help = '拉取最近一小时空气质量数据' def handle(self, *args, **options): url = 'https://example-air-api.example.com/latest' # 以实际文档为准 resp = requests.get(url, params={'city': 'test_city'}, timeout=10) data = resp.json() records = [] for item in data['records']: records.append(MonitorRecord( station_name=item['station'], monitor_time=datetime.fromisoformat(item['time']), pm25=item.get('pm25'), pm10=item.get('pm10'), so2=item.get('so2'), no2=item.get('no2'), o3=item.get('o3'), co=item.get('co'), aqi=item.get('aqi'), )) MonitorRecord.objects.bulk_create(records, ignore_conflicts=True)

这里用 bulk_create 批量写入并开启 ignore_conflicts，配合数据库层的唯一索引，重复执行脚本只会跳过已存在的记录。requests 请求要设置 timeout，避免某个站点接口长时间挂起导致采集任务卡死。接口响应结构在不同平台差异很大，写代码前先到其文档里确认字段名、时间格式和分页方式，这一步骤省下来的调试时间足够你再写一个模块。

3. 用 Keras 训练空气质量 LSTM 模型：数据预处理、滑窗构建与参数调优

3.1 数据清洗与滑窗样本构建

训练 LSTM 的第一步不是建模型，而是把原始监测数据整理成“监督学习”格式。原始表里只有一条条按时间排列的浓度记录，LSTM 需要的是“用过去 24 个时刻的特征预测下一个时刻”这样的样本对。这一步叫滑窗，窗口大小通常记为 look_back。我建议先只拿 PM2.5 单变量把整个链路跑通，再扩展成多变量，这样出问题时排查范围小。

数据清洗包含四个方面：缺失值处理、异常值剔除、时间排序、归一化。空气质量数据偶尔会有传感器离线导致的空值，我习惯先用前向填充再做线性插值；异常值用 3σ 准则剔除，把超过均值三倍标准差的点替换为前后两时刻的均值。时间列必须升序排列并重设索引，否则滑窗会被打乱，模型学到错误的时间依赖关系。

import pandas as pd import numpy as np from sklearn.preprocessing import MinMaxScaler df = pd.read_csv('air_history.csv', parse_dates=['time'], index_col='time') df = df[['pm25']].ffill().dropna() # 3σ 异常值处理 mean, std = df['pm25'].mean(), df['pm25'].std() df['pm25'] = df['pm25'].mask( (df['pm25'] > mean + 3 * std) | (df['pm25'] < mean - 3 * std) ).interpolate() scaler = MinMaxScaler(feature_range=(0, 1)) scaled = scaler.fit_transform(df[['pm25']].values) def create_sliding_window(data, look_back=24): X, y = [], [] for i in range(look_back, len(data)): X.append(data[i - look_back:i, 0]) y.append(data[i, 0]) return np.array(X), np.array(y) X, y = create_sliding_window(scaled, look_back=24) X = X.reshape((X.shape[0], X.shape[1], 1)) train_size = int(len(X) * 0.8) X_train, X_test = X[:train_size], X[train_size:] y_train, y_test = y[:train_size], y[train_size:]

归一化放在滑窗之前，MinMaxScaler 把浓度压缩到 0 到 1 之间，LSTM 的激活函数在这个区间内梯度更稳定。注意 fit_transform 只在训练集上调用，测试集要用 transform 单独处理，这是后面避坑章节要展开讲的细节，在这里先记住原则。滑窗函数返回的 X 是二维数组，必须 reshape 成 (样本数, 时间步, 特征数) 的三维结构，特征数为 1 也要显式写出来，否则模型会报维度错误。

3.2 模型结构、训练参数与评估

单变量基线模型我一般用两层 LSTM 加 Dropout。第一层设置 return_sequences=True 保留完整序列输出给第二层，第二层只返回最后一个时间步的结果，然后接一个全连接层输出预测浓度。units 从 64 开始试，数据量小就降到 32；Dropout 取 0.2 可以有效抑制过拟合，因为空气质量数据本身噪声不小。损失函数用均方误差 MSE，优化器用 Adam，它对学习率不敏感，毕业设计阶段不用手动调学习率。

from tensorflow.keras.models import Sequential from tensorflow.keras.layers import LSTM, Dense, Dropout from tensorflow.keras.callbacks import EarlyStopping model = Sequential([ LSTM(64, return_sequences=True, input_shape=(24, 1)), Dropout(0.2), LSTM(32, return_sequences=False), Dropout(0.2), Dense(1) ]) model.compile(optimizer='adam', loss='mse', metrics=['mae']) model.summary() history = model.fit( X_train, y_train, epochs=100, batch_size=32, validation_split=0.1, callbacks=[EarlyStopping(patience=10, restore_best_weights=True)], verbose=1 ) model.save('aqi_lstm.h5')

epochs 设 100 但不一定跑满，EarlyStopping 会在验证集损失连续 10 轮不下降时自动停止并恢复最佳权重。batch_size 取 32 是经验值：太大了收敛慢，太小了梯度震荡明显。训练完成后用测试集做一次评估，反归一化再计算误差指标，不要直接用归一化后的数据评估，不然指标数值对答辩老师没有直观意义。

from sklearn.metrics import mean_absolute_error, mean_squared_error y_pred = model.predict(X_test) y_pred_inv = scaler.inverse_transform(y_pred.reshape(-1, 1)) y_test_inv = scaler.inverse_transform(y_test.reshape(-1, 1)) mae = mean_absolute_error(y_test_inv, y_pred_inv) rmse = np.sqrt(mean_squared_error(y_test_inv, y_pred_inv)) print(f'MAE: {mae:.2f} μg/m³, RMSE: {rmse:.2f} μg/m³')

反归一化必须用训练时保存的那个 scaler 对象，在训练脚本里用 joblib.dump 把它存成文件，后面 Django 加载模型时还要用到它做同样的逆变换。评估时如果 MAE 在 10 到 20 之间，对这个课题来说已经是能交差的结果；如果出现几千的数值，先检查是不是反归一化时形状不对或者漏了这一步。

4. 把模型接入 Django：实时监测页面与预测接口的实现

4.1 项目初始化与模型加载封装

Django 项目的初始化没有太多花样，我在项目根目录创建应用之后，第一件事是改 settings 里的数据库配置和时区。数据库改用 MySQL 时需要装 mysqlclient 驱动，在 DATABASES 里填上库名、用户名、密码和主机地址；时区要设置为本地时区，并关闭 USE_TZ，否则查询出来的时间总是比实际早 8 个小时。

django-admin startproject air_quality python manage.py startapp monitor

创建应用后记得在 INSTALLED_APPS 里注册 monitor，然后运行 makemigrations 和 migrate 生成数据表。模型文件放在项目根目录下的 models/ 文件夹里，不要放在应用目录下，方便统一管理。加载模型和 scaler 的代码单独写成一个模块，避免每个视图函数重复加载，模型文件几十 MB，每次请求都加载一次性能会很难看。

# monitor/model_loader.py import os import joblib from tensorflow.keras.models import load_model BASE_DIR = os.path.dirname(os.path.dirname(os.path.abspath(__file__))) # 模块加载时只执行一次 _lstm_model = None _scaler = None def get_model(): global _lstm_model if _lstm_model is None: _lstm_model = load_model(os.path.join(BASE_DIR, 'models', 'aqi_lstm.h5')) return _lstm_model def get_scaler(): global _scaler if _scaler is None: _scaler = joblib.load(os.path.join(BASE_DIR, 'models', 'scaler.pkl')) return _scaler

用懒加载的方式把模型初始化推迟到第一次实际调用，启动开发服务器时不用等模型加载完；用模块级全局变量缓存模型对象，后续请求直接复用，这是 Django 集成本地模型文件的常见做法。BASE_DIR 用绝对路径拼接，避免从不同目录启动服务时找不到模型文件。

4.2 视图函数与 ECharts 可视化

视图层要做的事有两件：一是把最近 24 小时的实测数据传给模板渲染成折线图；二是接收前端传入的预测起点，调用 LSTM 模型输出未来 24 小时的浓度预测。实测数据直接查数据库，预测部分需要把最近 24 个时刻的值取出来，做归一化、reshape 成 (1, 24, 1) 的输入格式，预测完再反归一化。多步预测用滚动方式：每预测出一个新值，就把它拼到序列末尾，同时丢弃最前面的旧值，保持窗口长度恒定。

# monitor/views.py import json import numpy as np from django.shortcuts import render from django.http import JsonResponse from .models import MonitorRecord from .model_loader import get_model, get_scaler def dashboard(request): records = MonitorRecord.objects.order_by('-monitor_time')[:24] records = list(reversed(records)) times = [r.monitor_time.strftime('%H:%M') for r in records] values = [r.pm25 if r.pm25 is not None else 0 for r in records] return render(request, 'monitor/dashboard.html', { 'times': json.dumps(times), 'values': json.dumps(values), }) def predict_api(request): if request.method != 'GET': return JsonResponse({'error': '只支持 GET 请求'}, status=405) model = get_model() scaler = get_scaler() records = list(MonitorRecord.objects.order_by('-monitor_time')[:24][::-1]) if len(records) < 24: return JsonResponse({'error': '历史数据不足 24 条'}, status=400) history = np.array([r.pm25 for r in records], dtype=np.float32).reshape(-1, 1) scaled = scaler.transform(history) sequence = scaled.reshape(1, 24, 1) preds = [] for _ in range(24): pred = model.predict(sequence, verbose=0)[0, 0] preds.append(pred) pred = pred.reshape(1, 1, 1) sequence = np.concatenate([sequence[:, 1:, :], pred], axis=1) preds = np.array(preds).reshape(-1, 1) preds_inv = scaler.inverse_transform(preds).flatten() return JsonResponse({'prediction': preds_inv.tolist()})

滚动预测的关键在 np.concatenate 这一步：窗口每次向右滑动一格，新预测值进入序列末尾，模型看到的是自己之前预测的结果而不是真实值，这更接近真实使用场景。predict(verbose=0) 抑制推理日志，避免循环输出刷屏。前端模板我直接用 ECharts 的 CDN 版本，不需要 npm 构建，对课程设计来说最省事。

<!-- monitor/templates/monitor/dashboard.html --> <!DOCTYPE html> <html lang="zh"> <head> <meta charset="UTF-8"> <title>空气质量监测与预测</title> <script src="https://cdn.jsdelivr.net/npm/echarts@5/dist/echarts.min.js"></script> </head> <body> <h1>PM2.5 最近 24 小时趋势</h1> <div id="chart" style="width: 100%; height: 400px;"></div> <button onclick="loadPrediction()">预测未来 24 小时</button> <div id="predChart" style="width: 100%; height: 400px;"></div> <script> const times = {{ times|safe }}; const values = {{ values|safe }}; const chart = echarts.init(document.getElementById('chart')); chart.setOption({ xAxis: { type: 'category', data: times }, yAxis: { type: 'value', name: 'μg/m³' }, series: [{ type: 'line', data: values, name: '实测 PM2.5' }] }); async function loadPrediction() { const resp = await fetch('/api/predict/'); const data = await resp.json(); if (data.prediction) { const predChart = echarts.init(document.getElementById('predChart')); const nextHours = Array.from({ length: 24 }, (_, i) => `+${i + 1}h`); predChart.setOption({ xAxis: { type: 'category', data: nextHours }, yAxis: { type: 'value', name: 'μg/m³' }, series: [{ type: 'line', data: data.prediction, name: '预测 PM2.5' }] }); } else { alert(data.error || '预测失败'); } } </script> </body> </html>

模板变量用 safe 过滤器直接输出的 JSON 数组，Django 默认会转义 HTML 字符。对于数字和逗号构成的 JSON 数组，转义不会破坏结构，但为了稳妥还是显式标记 safe。这里的核心不是前端写得有多花哨，而是把 I/O 闭环打通：前端点击按钮，fetch 发起请求，视图查询最新 24 条数据，模型推理，前端重新渲染。这部分逻辑清晰了，其余页面几乎都是模板套用。

5. 运行与部署避坑：5 个高频事故的排查记录

5.1 维度报错：LSTM 输入必须显式三维

现象：调用 model.predict 时抛出 ValueError，提示 Input 0 of layer "lstm" is incompatible，后面跟着 expected ndim=3，found ndim=2。我见过不少人在这一步卡住，明明训练时没报错，存完模型再加载就出问题。

原因：训练脚本里已经做过 reshape，但推理代码里从数据库取出数据后直接丢给模型，形状是 (24, 1) 而不是 (1, 24, 1)。LSTM 层的输入要求是 (样本数, 时间步, 特征数)，缺少了样本维度这一维，模型接口自然拒绝。

解决：在喂给模型之前统一执行 sequence.reshape(1, 24, 1)。最稳妥的做法是写一个预处理函数，接收原始列表和历史长度，内部完成归一化与 reshape，所有视图调用同一个函数。调试时可以打印 np.shape 确认维度，不要想当然。

5.2 数据泄漏：测试集效果虚假的“高分”

现象：模型在测试集上 MAE 只有 2 到 3，图表里预测线和真实线几乎完全重合，但放到真实环境预测就完全偏离。答辩时如果评委让现场演示预测，当场就会穿帮。

原因：归一化时对整个数据集调用了 scaler.fit_transform，scaler 的 min 和 max 是在包含测试集的数据上计算的，相当于测试集的信息提前泄露给了模型。模型在训练时“见过”测试集的取值范围，效果虚高是必然的。

解决：先切分训练集和测试集，再执行 scaler.fit(X_train)，最后分别 transform。这是整个项目里最隐蔽的坑，我建议在论文里主动写出这一点，会很加分，说明你理解数据泄漏的含义。

5.3 预测曲线整体滞后：滚动预测的方式不对

现象：预测曲线的形状和真实曲线很像，但整体向右平移了几个小时，看起来像是“照着真实值抄了一遍但慢半拍”。

原因：单步预测时，每一步都用真实值作为下一步的输入，而不是用模型自己的预测值。这样短期预测确实很准，但滞后是必然的，因为模型永远只看到过去，没法真正外推。

解决：使用滚动预测，预测出一个值后把它拼接进输入序列，替换掉最旧的真实值，如第四章代码所示。这样模型在第二步起就基于自身预测继续推导，更贴近真实的长期预测场景。

5.4 模型加载失败：路径问题与内存问题并存

现象：python manage.py runserver 启动正常，但访问页面时报 FileNotFoundError，提示找不到 aqi_lstm.h5，或者进程直接崩溃。

原因：load_model 使用的是相对路径，而 Django 启动时的工作目录取决于你从哪里执行 runserver。如果从项目根目录启动没问题，但从上一级目录启动就会找不到文件。另一个常见问题是同时用 CPU 版本的 TensorFlow，每次加载模型开销很大，重复加载导致内存溢出。

解决：用 os.path.join(BASE_DIR, 'models', 'aqi_lstm.h5') 构造绝对路径，把路径管理统一放在 settings 或 model_loader 模块里。模型加载只执行一次并缓存，不要写在视图函数内部。

5.5 时间偏差与中文乱码：时区和编码问题

现象：页面上显示的时间比实际时间早 8 个小时，数据库里中文站点名显示为问号。

原因：Django 默认开启 USE_TZ=True，时间以 UTC 存储，渲染时如果没有激活本地时区就按 UTC 输出；数据库表建立时如果没有指定 utf8mb4 字符集，中文写入会变成乱码。

解决：在 settings.py 里把 USE_TZ 设为 False，TIME_ZONE 设为本地时区，数据库连接参数加上 OPTIONS 指定 charset='utf8mb4'。表已经建好的情况下，用 ALTER TABLE 修改字符集。这个坑在任何涉及 Django 的毕设里几乎都会遇到，早改早省心。

6. 让项目从「能跑」到「高分」：预测效果验证与答辩展示技巧

模型跑通、页面能显示之后，项目还处于“能交差”的阶段。真正拉开分差的是你有没有做效果验证和横向对比。我建议在论文里设计一张评估表，至少包含三行：单变量 LSTM、多变量 LSTM、基线模型 ARIMA。指标列放 MAE、RMSE 和 R²。答辩时评委看到你有对比实验，比看十张预测图都更有说服力。

做对比实验时有个细节：ARIMA 的输入序列长度要跟 LSTM 的 look_back 对齐，否则对比不公平。多变量 LSTM 就是把六个污染物指标一起送入模型，输入形状从 (样本数, 24, 1) 变成 (样本数, 24, 6)，第一层 LSTM 的 input_shape 相应改为 (24, 6)。如果数据量不大，六个特征会让训练变慢，可以先用皮尔逊相关系数筛出与 PM2.5 最相关的三个变量。

展示层面还有一个值得做的优化：在页面顶部加一个空气质量等级色条，根据 AQI 数值把优、良、轻度污染、中度污染、重度污染映射成不同颜色。实测曲线和预测曲线颜色区分开，图例写清楚，评委一眼就能看懂。预测接口返回的数据可以多给一个字段——当前时刻的实测 AQI 等级，用于对比预测是否合理。

最后说一个我从这些工程问题里养成的习惯：拿到时间序列数据，先画一张原始曲线图，看看有没有断点、毛刺和突变；再画训练集与测试集的划分线，确认没有乱序；最后才写模型代码。这个顺序救过我很多次，也让我在答辩被问“你的数据质量怎么保证”时能直接回答问题。毕业设计做完之后，这套系统换一个数据集就能迁移到其他城市或场景，值得投入的从来不是模型的新奇程度，而是数据链路的鲁棒性。希望帮到你。

本文还有配套的精品资源，点击获取