入职后第一个项目

我是年前找的工作,当时就面试两家,第一家太远,而且路不好,最最重要的是他们本来就是想找个运维,结果我一个做开发的过去了,就往低的压工资,话说上班第一要素就是钱,钱太低怎么可以呢。第二家稍微有点坎坷吧,当时约的是上午十点,结果路上出现了几十辆车相撞的事故,等到的时候都已经十点半了,而且约面试的负责人临时去开会了。唯一的好处就是看了一下工作环境,一个小屋,里面只有六七个人,好吧,不看这些,技术人员嘛,重视的当然还是技术了。下午继续约,约到了第二天上午十点,见到了负责人,一看就能看出来负责人也是个开发者,而且郑州只是一个办事处,节假日福利就没有了,不过有一个好的地方就是,双休,早9晚6,而且时间很活,重中之重是不要求加班,这简直了啊,对于粘娃狂人的我,这是太好不过的。

面试的时候说到年后上班,结果疫情大爆发,一直到3月份中旬才上班,不过趁着疫情,路上没人,练了一手的车技。

言归正传,上班后的第一个项目是对一个政府部门使用的系统进行升级,因为是升级,所以功能确定,数据库确定。或许你觉得挺好的啊,功能、数据库不用设计了,但是问题是没有文档,没有文档,没有文档(重要的事情说三遍)。而且这个系统使用的是我没有使用过的winform,数据库用的是oracle,我之前用的都是sqlserver。代码在经过一个一个功能叠加,逻辑混乱,有好多都是废掉的。经过一星期的整理,终于要开工了,第一个功能登录,一开始就感觉完蛋了,人家都是提笔忘字,我是逻辑知道,东西都忘了差不多了,还好有万能的浏览器(你懂的)。为了避免这种情况再次发生,就开始准备在博客中记录。

絮絮叨叨写了好多,希望自己身体会越好越好,心态会越来越好,技术越来越好。

使用优化算法,以优化VMD算法的惩罚因子惩罚因子 (α) 和分解层数 (K)。 1、将量子粒子群优化(QPSO)算法与变分模态分解(VMD)算法结合 VMD算法背景: VMD算法是一种自适应信号分解算法,主要用于分解信号为不同频率带宽的模态。 VMD的关键参数包括: 惩罚因子 α:控制带宽的限制。 分解层数 K:决定分解出的模态数。 QPSO算法背景: 量子粒子群优化(QPSO)是一种基于粒子群优化(PSO)的一种改进算法,通过量子行为模型增强全局搜索能力。 QPSO通过粒子的量子行为使其在搜索空间中不受位置限制,从而提高算法的收敛速度与全局优化能力。 任务: 使用QPSO优化VMD中的惩罚因子 α 和分解层数 K,以获得信号分解的最佳效果。 计划: 定义适应度函数:适应度函数根据VMD分解的效果来定义,通常使用重构信号的误差(例如均方误差、交叉熵等)来衡量分解的质量。 初始化QPSO粒子:定义粒子的位置和速度,表示 α 和 K 两个参数。初始化时需要在一个合理的范围内为每个粒子分配初始位置。 执行VMD分解:对每一组 α 和 K 参数,运行VMD算法分解信号。 更新QPSO粒子:使用QPSO算法更新粒子的状态,根据适应度函数调整粒子的搜索方向和位置。 迭代求解:重复QPSO的粒子更新步骤,直到满足终止条件(如适应度函数达到设定阈值,或最大迭代次数)。 输出优化结果:最终,QPSO算法会返回一个优化的 α 和 K,从而使VMD分解效果最佳。 2、将极光粒子(PLO)算法与变分模态分解(VMD)算法结合 PLO的优点与适用性 强大的全局搜索能力:PLO通过模拟极光粒子的运动,能够更高效地探索复杂的多峰优化问题,避免陷局部最优。 鲁棒性强:PLO在面对高维、多模态问题时有较好的适应性,因此适合海上风电时间序列这种非线性、多噪声的数据。 应用场景:PLO适合用于优化VMD参数(α 和 K),并将其用于风电时间序列的预测任务。 进一步优化的建议 a. 实现更细致的PLO更新策略,优化极光粒子的运动模型。 b. 将PLO优化后的VMD应用于真实的海上风电数据,结合LSTM或XGBoost等模型进行风电功率预测。
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