基于OpenAPI的Python空气质量监测数据程序设计
基于Python的城市空气PM2.5指数接口调用代码实例

基于Python的城市空气PM2.5指数接口调用代码实例#!/usr/bin/python# -*- coding: utf-8 -*-import json, urllibfrom urllib import urlencode#----------------------------------# 空气质量调用示例代码-聚合数据# 在线接口文档:/docs/33#----------------------------------def main():#配置您申请的APPKeyappkey ="*********************"#1.城市空气质量request1(appkey,"GET")#2.城市空气PM2.5指数request2(appkey,"GET")#3.城市空气质量-城市列表request3(appkey,"GET")#4.城市空气PM2.5指数-城市列表request4(appkey,"GET")#5.城市辐射指数request5(appkey,"GET")#城市空气质量def request1(appkey, m="GET"):url =":8080/environment/air/cityair"params ={"city": "", #城市名称的中文名称或拼音,如:上海或 shanghai"key": appkey, #APP Key}params =urlencode(params)if m =="GET":f =urllib.urlopen("%s?%s"%(url, params))else:f =urllib.urlopen(url, params)content =f.read()res =json.loads(content)if res:error_code =res["error_code"]if error_code ==0:#成功请求print res["result"]else:print"%s:%s"%(res["error_code"],res["reason"]) else:print"request api error"#城市空气PM2.5指数def request2(appkey, m="GET"):url =":8080/environment/air/pm"params ={"city": "", #城市名称的中文名称或拼音,如:上海或 shanghai"key": appkey, #APP Key}params =urlencode(params)if m =="GET":f =urllib.urlopen("%s?%s"%(url, params))else:f =urllib.urlopen(url, params)content =f.read()res =json.loads(content)if res:error_code =res["error_code"]if error_code ==0:#成功请求print res["result"]else:print"%s:%s"%(res["error_code"],res["reason"]) else:print"request api error"#城市空气质量-城市列表def request3(appkey, m="GET"):url =":8080/environment/air/airCities"params ={"key": appkey, #APP Key}params =urlencode(params)if m =="GET":f =urllib.urlopen("%s?%s"%(url, params))else:f =urllib.urlopen(url, params)content =f.read()res =json.loads(content)if res:error_code =res["error_code"]if error_code ==0:#成功请求print res["result"]else:print"%s:%s"%(res["error_code"],res["reason"]) else:print"request api error"#城市空气PM2.5指数-城市列表def request4(appkey, m="GET"):url =":8080/environment/air/pmCities"params ={"key": appkey, #APP Key}params =urlencode(params)if m =="GET":f =urllib.urlopen("%s?%s"%(url, params))else:f =urllib.urlopen(url, params)content =f.read()res =json.loads(content)if res:error_code =res["error_code"]if error_code ==0:#成功请求print res["result"]else:print"%s:%s"%(res["error_code"],res["reason"]) else:print"request api error"#城市辐射指数def request5(appkey, m="GET"):url =":8080/environment/air/radia"params ={"city": "", #城市名称的中文拼音,查询城市为“上海”,则输入:上海"num": "", #查询页码数,不写默认为第一页。
基于人工智能的空气质量监测与预测系统设计

基于人工智能的空气质量监测与预测系统设计空气质量是我们生活中重要的环境指标之一,对于人的健康和生活质量有着重要影响。
为了及时监测和预测空气质量,人工智能技术被应用于空气质量监测与预测系统的设计中。
这个系统可以通过收集环境数据、利用机器学习算法进行数据分析,并生成实时的空气质量报告和预测结果。
设计基于人工智能的空气质量监测与预测系统,需要考虑以下几个关键方面:1. 数据收集与处理:系统需要实时收集多个监测站点的环境数据,包括空气中颗粒物、气体浓度、空气温度等。
同时,还可以收集其他相关的数据,如气象数据、交通流量等,以提高预测的准确性。
收集的数据需要进行预处理,包括数据清洗、去除异常值、缺失值处理等。
2. 特征提取与选择:从收集到的数据中提取有用的特征是进行空气质量监测与预测的关键步骤。
人工智能技术可以通过分析大量数据来发现隐藏在数据背后的规律和关联性。
通过特征选择算法,可以选择出对空气质量具有重要影响的特征。
3. 机器学习算法应用:利用机器学习算法对提取的特征进行训练和建模,以实现空气质量的监测和预测。
监测任务可以应用分类算法,将空气质量划分为几个等级,如优、良、轻度污染、中度污染等。
预测任务可以应用回归算法,根据历史数据和其他相关信息,预测未来某一时刻的空气质量。
4. 结果展示与报告生成:设计的系统应该能够将监测和预测的结果直观地展示给用户。
可以设计一个用户界面,实时显示各个监测站点的空气质量指数、预测曲线等信息。
此外,还可以生成详细的报告,向用户提供更加全面和细致的数据解读和建议。
为了提高空气质量监测与预测系统的性能和准确性,可以考虑以下改进措施:1. 多源数据融合:将来自不同类型的数据进行融合,可以更全面地了解空气质量变化的规律。
例如,结合气象数据可以分析天气对空气质量的影响。
2. 模型优化:选择合适的机器学习算法,并对算法进行优化,以提高模型的预测准确性。
可以尝试不同的特征选择算法、模型参数调优和集成学习等技术。
基于python的空气质量分析系统的设计与实现

基于python的空气质量分析系统的设计与实现摘要:环境问题影响人们的生活质量,为了使人们方便了解一些城市的空气质量情况,本系统通过爬取各个地区的空气评分、温度、湿度、等级及空气中的PM2.5和PM10值,并以此作为数据源,对大量的数据进行分析,最终以柱形图折线图的形式,进行不同城市空气质量的对比,并使用K-means算法,依据城市的空气评分、PM2.5、PM10、温度为指标对城市进行分类。
分析出该城市的空气质量存在的问题,为改善这些地区的环境、解决空气质量问题提供依据。
该项目具有积极的社会价值和应用价值。
关键字:空气质量;python;K-means算法;聚类算法The Design and Implementation of an Air Quality Analysis System Based on PythonHuang YongliSchool of Journalism and Communication, Shanghai International Studies University, Shanghai,200160Environment affects people's quality of life. In order to help people to know the air quality situation in some cities is known, the data such as air scores, temperature, humidity, levels, and PM2.5 and PM10 values in the various regions is crawled. The data are used as data sources to analyze. Finally, in the form of column chart and line chart, the air quality of different cities is compared. The K-means algorithm is used to classify cities based on their air rating, PM2.5, PM10, and temperature. It can provide a basis for analyzing airquality and improving the environment and solving air quality problems in these areas. This project has positive social and application valueKey words: Air Quality; Python; K-means Algorithm;Clustering Algorithm1、引言我国工业化程度越来越高,人们生活变得越来越好,环境问题也日益严重。
python 北京市空气质量贝叶斯分类

标题:python在北京市空气质量贝叶斯分类中的应用一、概述近年来,由于环境污染的加剧,空气质量成为了社会关注的焦点之一。
北京作为我国的首都,其空气质量问题备受关注。
通过有效的手段对北京市的空气质量进行分类和预测具有重要意义。
而贝叶斯分类算法作为机器学习领域中的经典方法,被广泛应用于数据挖掘和预测中。
本文将介绍python在北京市空气质量贝叶斯分类中的应用。
二、北京市空气质量数据获取1. 数据来源:北京市环境保护监测中心2. 数据内容:包括PM2.5、PM10、CO、NO2等空气质量指标以及气象条件等信息三、python数据处理1. 数据清洗:去除空缺值、异常值等2. 特征工程:提取特征、归一化处理等四、贝叶斯分类算法介绍1. 贝叶斯理论基础2. 贝叶斯分类算法原理3. python中贝叶斯分类算法的实现五、数据建模1. 划分训练集和测试集2. 使用python中的贝叶斯分类算法对北京市空气质量数据进行建模3. 模型评估:准确率、召回率、F1值等指标六、预测与结果分析1. 利用建立的模型对未来北京市空气质量进行预测2. 分析预测结果与实际观测值的差异性3. 对模型进行优化七、结论通过python在北京市空气质量贝叶斯分类中的应用,我们可以更加准确地对北京市的空气质量进行分类和预测,为政府部门和市民提供更加准确的空气质量信息,有助于采取有效的环境保护措施和健康防护措施。
本文所介绍的python在空气质量贝叶斯分类中的应用也为其他城市的空气质量监测和预测提供了参考和借鉴。
八、应用场景及前景展望1. 应用场景:除了对北京市空气质量的分类和预测,基于贝叶斯分类算法的python应用还可以推广到其他城市甚至整个国家的空气质量监测与预测中。
在城市规划、环境保护和健康管理等方面均有着广阔的应用前景。
2. 前景展望:随着机器学习和人工智能技术的不断发展,基于大数据和贝叶斯分类算法的空气质量预测模型将会变得更加精确和可靠。
实训7.2 检测空气质量

s = '\r'+cur_temp+'\t'+cur_hum+'\t'+cur_ws
print(s,flush=True)
运行结果
小结
创建队列
data_q = queue.Queue(3)
程序实现
定义目标函数,获取温度、湿度、风速数据,并将数据放入队列
#温度数据 def gottempdata():
while 1: time.sleep(3) temp = random.randint(temperature_low, temperature_high) data_q.put((1, temp))
程序实现
创建线程
显示数据 初始化 启动线程
创建三个线程并启动
detect_temp = threading.Thread(target=gottempdata) detect_hum = threading.Thread(target=gothumdata) detect_ws = threading.Thread(target=gotwsdata)
#湿度数据 def gothumdata():
while 1: time.sleep(3) hum = random.randint(humidity_low, humidity_high) data_q.put((2, hum))
#风速数据 def gotwsdata():
while 1: time.sleep(3) ws = random.choice(weed_speeds) data_q.put((3, ws))
检测空气质量
检测空气质量
空气质量实训 python

空气质量实训 python空气质量实训简介空气质量实训是一个利用 Python 编程语言对空气质量数据进行分析和可视化的项目。
本项目包括数据预处理、探索性数据分析、数据建模和可视化等多个阶段。
数据预处理第一步是预处理原始空气质量数据。
这包括清理数据、处理缺失值和将数据转换为合适的格式。
Python 提供了诸如 Pandas 和NumPy 等库,可以简化这些任务。
探索性数据分析数据预处理后,我们进行探索性数据分析。
这包括使用 Python 中的绘图和统计功能可视化和汇总数据。
例如,我们可以创建散点图来检查不同污染物之间的相关性,或使用箱线图来比较不同地区的空气质量。
数据建模探索性数据分析后,我们可以开始建立数据模型。
此阶段旨在使用统计模型或机器学习算法从数据中识别模式和趋势。
Python 中的 Scikit-learn 库提供了各种此类算法。
可视化最后,我们将使用 Python 中的绘图库,例如 Matplotlib 和Seaborn,将我们的分析结果可视化。
我们可以创建交互式图表、热力图和其他可视化工具,以清楚地展示我们的发现并有效传达我们的结论。
技术栈本项目使用以下 Python 库:Pandas:数据处理和分析NumPy:科学计算Matplotlib 和 Seaborn:数据可视化Scikit-learn:机器学习项目产出完成本实训后,您将能够:使用 Python 对空气质量数据进行分析应用数据预处理技术使用探索性数据分析技术发现数据中的模式使用数据建模技术预测空气质量通过清晰有效的方式可视化您的发现扩展本实训可以进一步扩展以包括以下内容:实时数据流分析地理空间可视化机器学习模型优化移动应用程序开发通过这些扩展,您可以将本项目转化为更全面的空气质量监测和预测系统。
python天津空气质量可视化的案例
一、概述随着人们对环境质量关注日益增加,空气污染已成为全球性的问题。
作为一种重要的数据分析和可视化工具,Python在空气质量监测和可视化方面具有很大的优势。
本文将介绍Python在天津空气质量监测和可视化方面的应用案例,以及该案例的数据分析过程和可视化效果。
二、案例数据源1. 数据来源:本案例的数据来源于国家环境保护部门发布的天津市空气质量监测数据。
2. 数据内容:监测数据包括空气污染物浓度、空气质量指数(AQI)、PM2.5、PM10、二氧化硫、一氧化碳、臭氧等。
三、数据分析与可视化1. 数据清洗:首先对原始数据进行清洗,包括处理缺失值、异常值和重复值等。
2. 数据处理:根据监测数据计算空气质量指数(AQI)并进行分类。
3. 可视化展示:利用Python的数据分析和可视化库,如Pandas、Matplotlib和Seaborn等,对整理后的数据进行可视化展示。
包括空气质量趋势图、污染物浓度分布图等。
四、可视化效果展示1. 空气质量趋势图:通过折线图展示天津市不同时间段内的空气质量趋势,可以直观地了解空气质量的变化规律。
2. 污染物浓度分布图:利用热力图或散点图展示不同区域内各种污染物的浓度分布情况,帮助人们了解不同地区的污染状况。
五、案例意义和启示1. 数据分析和可视化可以帮助人们更直观地了解空气质量的变化趋势和空气污染情况,有助于政府部门和公众采取相应的措施。
2. Python作为一种高效、灵活的数据分析和可视化工具,具有很大的应用潜力,在环境监测和保护领域有着广阔的发展前景。
六、结论本文介绍了Python在天津空气质量监测和可视化方面的应用案例,包括数据获取、清洗、处理和可视化展示等步骤。
通过对监测数据的分析和可视化,可以更直观地了解天津市的空气质量状况,为相关部门和个人提供决策依据和参考。
Python作为一种强大的数据分析和可视化工具,为环境保护和监测工作提供了重要的支持和帮助。
希望本文对读者在相关领域的研究和实践提供一定的借鉴和启发。
基于Python的天津空气质量可视化分析
基于Python的天津空气质量可视化分析
张鹏
【期刊名称】《长江信息通信》
【年(卷),期】2022(35)7
【摘要】当前,空气质量与人们的生产生活紧密相关。
伴随经济的快速发展,天津市作为中国四大直辖市之一,环境污染问题也愈发显著。
文章采取Python网络爬虫技术,爬取了天津市的历史空气质量月数据和日数据,同时选用2017-2021年5年间天津市空气质量数据,使用Tableau软件分别从总体概况、日空气质量指数、污染物等方面对天津市空气质量进行可视化分析和总结。
通过上述工作,可对空气质量进行直观呈现,具有很好的应用价值。
【总页数】3页(P92-94)
【作者】张鹏
【作者单位】天津电子信息职业技术学院
【正文语种】中文
【中图分类】X821
【相关文献】
1.基于Python的学习成绩分析及可视化分析
2.基于Python的大数据分析与可视化“理实一体”教学模式的探索与实践
3.基于Python的轨道交通安全质量检查问题大数据分析和可视化研究
4.基于Python的线性动态电路可视化分析软件设计与实现
5.基于Python爬虫的音乐数据可视化分析
因版权原因,仅展示原文概要,查看原文内容请购买。
基于python的爬取广西环境空气质量数据方案设计
基于python的爬取广西环境空气质量数据方案设计1.爬虫技术概述网络爬虫,是一种按照一定的规则自动抓取万维网信息的程序或者脚本。
根据爬取的对象,使用的结构和技术,爬虫可分为:通用型爬虫、聚焦型爬虫、增量型爬虫,深层爬虫。
爬虫的工作原理主要是先请求访问某一站点或者网页,若能够访问则自动下载保存其中的内容。
然后通过爬虫的解析模块,解析得到已爬取页面中的其他网页链接,并将这些链接作为之后爬取的目标。
得益于 HTML 页面的结构化设计,爬虫在分析网页结构时可以完全不依赖于用户手动干预就可以实现自动运行。
在网络爬虫的开发中,python是使用最为广泛的设计语言。
Python 在爬虫设计中具有独特的优势,其丰富的开源库和优秀的代码封装使得 Python 爬虫逐渐成为主流。
2.爬虫系统需求分析为了保证开发结果能够满足基本的功能需求,需要在开发之前进行分析,设计符合功能的模块。
本设计方案的任务是设计开发一个符合上网用户使用的专用型网络爬虫,广西环境空气质量爬虫主要的功能包括对广西的14个地级市的AQI,空气质量级别,首要污染物,数据发布的时间,以及7种气体的单位含量的检测值进行抓取,存入到数据库中。
爬虫需要抓取的URL链接是不变的,因此在爬虫的URL策略中,不需要解决 URL链接的访问策略和去重等问题。
因为站点的空气质量数据是每间隔一个小时就要更新一次,所以,要让爬虫能够在指定的时间间隔自动运行,把不同时间的数据按照既定的规则不断的存入到数据库中。
3.爬虫系统功能设计该爬虫的工作流程如图1所示,本爬虫系统借助第三方模块pywin32设计成windows service的形式,随windows系统自动启动。
系统的功能设计主要分为三个模块:页面抓取模块,页面处理模块,数据入库模块。
页面抓取模块主要是通过Request包提供的方法来完成。
页面处理模块主要用到正则表达式。
本系统的数据库是使用python自带的SqlLite数据库。
毕业设计基于机器学习的空气质量预测系统设计
毕业设计:基于机器学习的空气质量预测系统设计
背景
随着城市化进程的加快和人口增长,对于空气质量的要求越来越高。
传统的监测方式对于全面评估空气质量有着一定的局限性。
因此,开发一种能够预测未来空气污染情况的系统,对于我们更好地管理环境和保护健康有着重要的意义。
目的
本次毕业设计旨在设计一款能够基于机器学习的空气质量预测系统。
该系统将利用历史空气质量数据、空气质量监测站数据以及气象监测数据等综合信息建立模型,并通过实时反馈来预测未来常规和突发性的空气质量情况。
设计
1. 数据收集:收集历史空气质量数据、空气质量监测站数据以及气象监测数据等并进行整理、清洗和预处理。
2. 特征工程:将数据转换为机器学习模型的适当特征和标签以用于训练。
3. 机器学习模型的建立:使用机器学习算法,依据特征数据和已有标签建立模型。
4. 空气质量预测系统的开发:基于所建立的模型,设计并开发预测所需的全部功能。
5. 测试和优化:对预测结果进行测试和验证,并进行必要的优化和调参。
结果
最终设计出的基于机器学习的空气质量预测系统将能够实现以下目标:
1. 提高空气质量预警和应急处理的能力。
2. 提供实时的数据监测和空气污染源的分析功能。
3. 将历史和实时数据进行分析统计,进一步推动环境保护工作。
结论
本次毕业设计将基于机器学习的空气质量预测系统设计 AQPS),有望解决现状监测方法的局限性,提高空气质量监测和预警的能力,并为环境保护和城市健康管理工作做出贡献。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
就 被称作 OpenAPI。
2.2 Python脚本 语 言 Python是一 种简 单 易 学 、功 能 强 大 的 开 源 编 程
语 言 ,几 乎 能 够 在 目前 所 有 的操 作 系 统 上 运 行 ,它
有 高效 率 的多层数 据 结 构 ,能 简 单 而有 效 地 实 现 面 向对象 编 程 ¨J。Python简 洁 的语 法 和 对 动 态 输 人
由于 国家 环 境 监 测 总 站 未 发 布 OpenAPI,程 序 采 用 第三 方商 业 网站提 供 的 OpenAPI。该 网站数 据 全部 来源 于 国家环 保 网站 公 开数 据 ,网 站再 根 据 国
家环 保 网 站 的 实 时 数 据 进 行 二 次 核 实 。程 序 设 计 内容 主要 包括从 OpenAPI获得 数 据 、匹 配站 点 生 成 Micaps格式产 品 、生成 可 执 行 文 件 等 3个 模块 。从 OpenAPI获 得 数 据 是基 础 ,只有 下 载 了 OpenAPI提 供 的数 据 ,才 能 匹 配 预 先 设 置 的 西 南 区域 站 点 信 息 ,得 到各 种空 气 质量 监 测 数 据 。程 序设 计 流 程 如 图 1所示 :
第 40卷 第 3期 2016年 6月
贵 州 气 象
Journal of Guizhou Meteorology
文章 编号 :1003—6598(2016)03—0078—04
Vo1.40 No.3 Jun,2016
基于 OpenAPI的 Python空气质量监测数据程序设计
陈 琳 ,任 芳
当前 ,环 境监 测 数据 是 由各 省 环 境 监测 总站 将 其按 时 以数据 交换 方 式 提 供 给 各 级气 象 台 ,由 于各 方面原因 ,环 境监测总站提供 的数据无具体值且数 据实时性远不能 达到环境气象预 报要求 ,此外 ,网 上虽有当天的空气监测实况 ,但 网上的各类数据无 法加 载 到 气 象 部 门 的 专 业 业 务 系 统 (如 Micaps系 统 )中 ,使 环 境 预 报 业 务 难 以正 常 开 展 。本 文 主 要 阐述 利 用 Python提供 的 OpenAPI处 理 标 准 库 ,将 环 境 监测 数据 产 品生成 Micaps格 式 的实现方 法 。
2 技 术 方 法
2.1 OpenAPI
API的全 称 是 应 用 编 程 接 口 (Application Pro. gramming Interface),这 并 不 是 一 个 新 概 念 ,在 计 算 机 操作 系 统 出现 的早 期 就 已经 存 在 了 。在 互 联 网 时代 ,把网站的服务封装成一系列计算机易识别 的 数 据接 口开放 出 去 ,供 第 三 方 开 发 者 使 用 ,这 种 行 为 叫做 开放 网站 的 API,与 之 对 应 的 ,所 开放 的 API
new thread (function,args[,kwargs 为调用 的线 程 函数 ;args为传 递 给线 程
函数 的参数 ,kwargs是 可选 参 数 J。调用 关 键 代 码
如下 :
try:
thread.start new thread(gethtml(ur1),(”
的支持 ,再 加 上 其 解 释 性 语 言 的本 质 ,使 得 它 在 大
多数平 台上 的很 多领 域 都 是 一个 理 想 的脚 本语 言 , 特 别适 用于 快速 的应 用程序 开发 。尤 其是 Python
提 供 了针对 网络 协议 的标 准 库 ,对 网 络协 议 的各 个 层 次进 行 了抽象 封装 ,程序 员 可 以集 中精 力 处 理 程
· 78 ·
Vo1.40 No.3
陈 琳,等:基于 OpenAPI的 Python空气质量监测数据程序设计
贵 州 气 象
return Exception,”:” ,e
其 中 ,gethtml(ur1)函数 用 于获 取全 国城 市 空气 质量 指数 (AQI)排行 榜 。
3 程 序 设 计
(1.四川省气象 台,四川 成都 610072;2.陕西省气象服务 中心 ,陕西 西安 710014)
摘 要 :环境气象预报是政府和环保部门应对空气重污染时的重要决策支撑。只有实时快捷地获取当前空气质量监测
数据 ,气象部 门才 能正 常开展环境气象预报业务。为了快速 、准 确地获取西南 区域空气 质量监 测产品 ,并生成 Micaps格 式产 品 ,开发 了基 于一个 OpenAPI的 Python多线程程序。程序可直接调用 API底 层连 接的数据 库 ,获 取数据效 率高 ,具有较 高的 实时性 和准确性 ,已投入 四川省气象 台天气预报业 务运行。
—
—
Thread一1”,2,))
,
thread.start new thread(gethtml(ur1),(”
—
—
Thread一2”,4,))
except:Exception,e:
收 稿 日期 :2016—03—09 第 一作 者简 介 :陈琳 (1983一 ),女 ,工程师 ,主要从事气象信息技术工作 ,E—mail:suelincl@126.com。
关键 词 :OpenAPI接口;Python语言;多线程;空气质量监测数据;Micaps 中图分类 号 :TP311 文献标 识 码 :B
1 引言
随着 人们 对环 境 质 量 的重视 ,空 气 污染 已成 为 当下 民众 关 注 的 热 点 。而 环 境 气 象 预 报 作 为 气 象 服务 的新 兴 业 务 ,也 受 到 气 象 部 门 越 来 越 大 的 重 视。为了加快环境气象业务系统建设 ,需进行环境 气象多源数 据分析和重污染 天气影 响评估 。对于 研究 环境 气象 预报 方 法 来 说 ,环 境 监 测 数据 资 料 的 获取 与保 存 至关重 要 。
序 逻辑 。其 次 ,Python非 常擅 长 处 理 字 节 流 的各 种 模 式 ,具有很 快 的开发 速度 ][ 。
2.3 Python多线程
Python使 用 函数 和类 两 种 方 式 包 装 线 程 对 象 ,
其 调 用线程 thread模 块 的 thread.start—new_thread() 函数 来创 建一 个 新 的线 程 ,具体 语 法 为 :thread.start