WPF 数据绑定 学习笔记

前几天刚看完WPF的数据绑定,但是真正开始写项目的时候却不知道该怎么用了,现在在拿来复习一下


数据对象是指计划在用户界面上显示的信息包,只要由公有属性组成, 不支持字段和私有属性 ,任何类都可以使用,此外如果希望使用这个对象进行修改(双向绑定)。属性不能是只读的。

public class Product

{

    private string modelNumber

     public string ModelNumber

    {

         get  { return modelNumber; }

         set { modelNumber=value ;}

     }

}

创建一个Product对象的一个实例,然后将它绑到控件上 。。。。


双向绑定,当文本框中的值发生变化的时候

1.将每个属性该为依赖项属性,Product类必须继承自DependencyObject类,尽管这种方法可以让WPF自动执行相应的工作,但是最合理的做法是将其应用与元素-----在窗口中具有可视化外观的类。

2、可以为每一个属性引发一个事件,对于这种情况,事件必须以propertyNameChanged的形式进行命名,如(UnitCostChanged),当属性发生变化时候,由您引发这个事件

3.可以实现System.CommandModel.INotifyPropertyChanged接口,该接口需要一个名为PropertyChanged的事件,无论何时属性发生变化都必须引发 PropertyChanged事件,并且通过将属性名称作为字符串提供来指示哪个属性发生了变化


第一种方法依赖于WPF的依赖项属性基础架构,而第二种和第三种方法依赖于事件,通常,当创建数据对象时,会使用第三种方法,对于非元素类而言,这是最简单的选择


下面重新规划Product类的定义,现在Product类使用了INotifyPropertyChanged接口,并添加了实现PropertyChanged事件的代码

 public  class Product  :INotifyPropertyChanged

{

   public  event  PropertyChangedEventHandler  PropertyChanged;

   public  void  OnPropertyChanged(PropertyChangedEventArgs e )

   { 

       if (PropertyChanged != null)

       PropertyChanged(this ,e);

    }

}

现在只需要在所有属性设置器中引发PropertyChanged事件即可。

private  decimal  unitCost

public  decimal  UniCost

{

        get  {  return  unitCost;}

        set   {unitCost  =value;

                  OnPropertyChanged(new PropertyChangedEventArgs("UnitCost"));

}


如果上面的示例中使用新版本的Product类,将会得到所期望的行为,当改变当前Product对象时,会立即在文本框中显示新信息

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
在风能领域,准确预测风速对于风电场的运行与管理至关重要。Matlab作为一个强大的数学计算和数据分析平台,被广泛应用于风速预测模型的构建。本文将深入探讨基于四种风速——随机风、基本风、阵风和渐变风的组合风速预测技术。 我们来理解这四种风速类型: 1. **随机风**:随机风是指风速呈现出随机性的变化,通常由大气湍流引起。在建模中,通常通过统计方法如高斯分布或Weibull分布来模拟这种不确定性。 2. **基本风**:基本风速是指在无特定扰动条件下的平均风速,它是长期观测结果的平均值,通常用于结构设计和风能评估。 3. **阵风**:阵风是短时间内风速显著增强的现象,对建筑物和风力发电机造成的主要威胁之一。阵风的预测涉及到风的脉动特性分析。 4. **渐变风**:渐变风是指风速随时间和空间逐渐变化的过程,常见于风向转变或地形影响下的风场变化。 在Matlab中,利用这四种风速类型进行组合预测,可以提高预测的准确性。预测模型可能包括以下几个步骤: 1. **数据收集与预处理**:收集历史风速数据,包括随机风、基本风、阵风和渐变风的数据,进行异常值检测、缺失值填充以及数据标准化。 2. **特征工程**:提取风速变化的相关特征,如平均值、标准差、极值、频率分布等,这些特征可能对预测有重要影响。 3. **模型选择**:可以选择多种预测模型,如时间序列分析(ARIMA、状态空间模型等)、机器学习算法(线性回归、决策树、支持向量机、神经网络等)或深度学习模型(LSTM、GRU等)。 4. **模型训练**:利用历史数据训练选定的模型,调整模型参数以优化性能,例如通过交叉验证来避免过拟合。 5. **模型验证与评估**:使用独立的测试集验证模型预测效果,常见的评估指标有均方误差(MSE)、平均绝对误差(MAE)和决定系数(R²)。 6. **组合预测**:结合四种风速的不同模型预测结果,可以采用加权平均、集成学习(如bagging、boosting)等方式,以提升整体预测精度。 7. **实时更新与动态调整**:实际应用中,模型需要不断接收新的风速数据并进行在线更新,以适应风场环境的变化。 通过以上步骤,可以构建一个综合考虑各种风速特性的预测系统,这对于风电场的功率输出预测、风电设备的维护计划以及电网调度都具有重要价值。然而,需要注意的是,每个风场的地理环境、气候条件和设备状况都有所不同,因此模型的建立应根据实际情况进行定制和优
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值