20165220 2017-2018-2《Java程序设计》课程总结

每周作业链接汇总:

自认为写得最好一篇博客是?为什么?

我认为我写的做好的一片博客是第一周和第二周作业。

当时是放假期间,事情比较少,没有什么负担,刚刚接触到Java感觉这种教学方式很新颖很时尚,

前两周写博客比较费时间比较费心,刚开始接触写博客也比较兴奋。

作业中阅读量最高的一篇博客是?谈谈经验:

阅读量最高的是预备作业二:20165220 学习基础和C语言基础调查

这篇博客主要是第一次用有道写代码类型的博客,在网上查了很多教程,格式很难掌握,

最后写出来的格式也并不是想象中的那么好,在老师的督促下学习了更多关于格式规范的问题。

作业中与师生交互最多的一篇博客是?谈谈收获:

我主要与狄维佳学姐有很多的交流,学姐每次都会给我评论,让我思考一些异常情况以及边界情况,鼓励我们拓展思维

而且让我们不要把思维禁锢在这些代码下面,要学会去调试,去学会提升。

实验报告链接汇总:

代码托管链接

statistic.sh的运行结果:

加点代码,改点代码是理解的最好方式,参考编程的智慧,谈谈你的心得

跟着老师的思维走确实能够提高自己,一步一步踏踏实实的进步。

积极主动敲代码做到没?教材实践上有什么经验教训?
课堂项目实践:

课堂实践项目主要就是老师的两周一次的考试,考试感觉难度适中,不会太容易也不会太难

上课没做出来的会在课下补做一个博客,这点我还是十分认同的。

  • 课堂实践对提高应用能力有帮助吗?
  • 提升还是很大的~毕竟可以查漏补缺
  • 课堂实践上自己有什么经验教训?
  • 千万不要觉得课下把课本上的代码写好了就觉得万无一失,课上会对代码进行改正提升查看我们的不足。
  • 课堂实践上对老师有什么教学建议?
  • 希望老师能够多对我们常犯的错误进行统一讲解。
课程收获与不足:

总体来说从开学到现在吧,对Java有了比较全面的了解和认知了,其实Java的知识点相关性还是蛮大的,我们只要说基础打好了,

后面就不会很难,基础不好就很容易落下,其次是对于Andriod的知识也有一些了解,但是并不是很深入,毕竟学习时间有限。不足之处

就是课程相对了解不是很深入,知识了解一些很浅的知识点,想学习还需要继续努力。

给开学初的你和学弟学妹们的学习建议:

提前做好预习功课,多看点书,不用去急于求成,基础打好了接下来会游刃有余的。

问卷调查
你平均每周投入到本课程有效学习时间有多少?

大概15-25小时

每周的学习效率有提高吗?你是怎么衡量的?

我觉得这个每周效率并不好衡量,比如说这种事情多的话,给Java的时间就相对少了,

但是我一般会用代码量去衡量一下每周的投入时间。

蓝墨云班课的使用对你的学习有促进吗?有什么建议和意见吗?

还是有的,因为一旦有新任务它就会随时提醒我去学习,激励自己,而且大家也可以

在里面自由讨论问题,学术氛围很好,排名系统也会随时鼓励自己。

你觉得这门课老师应该继续做哪一件事情?

考试,而且一定要多讲知识点。

你觉得这门课老师应该停止做哪一件事情?

课上讲一些对我们现阶段不是很有用的东西。

你觉得这门课老师应该开始做什么新的事情?

这个到没有必要,毕竟新事情需要去适应,需要改善。现阶段并不需要花时间在这个上面。

给出你的总结中涉及到的链接的二维码:

码云链接:

预备作业1:

预备作业2:

 预备作业3:

第一周:

第二周:

第三周:

第四周:

第五周:

第六周:

第七周:

第八周:

第九周:

实验一:

实验二:

实验三:

实验四:

实验五:

结对编程第一阶段:

结对编程第二阶段:

转载于:https://www.cnblogs.com/brs6666/p/9157676.html

  • 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