OOA/D的统一构建(UP)过程之二:需求分析阶段之Domain model

1.4一个USE CASE的书写范例:

XXX USE CASE

PRIMARY ACTOR:

LEVEL: Summary, Use goal, Sub function

STAKE HOLDER:其他对此感兴趣的人或者系统

Precondition

    当前use case发生的前提条件。比如在一个网络即时通讯的系统中,网络会议的case前提可能是由于需要服务器中转信息,服务器的网络必须要处于正常状态。而对于某些case的前提可能是必须系统某组成部分处于异常状态。

Flow of Events:

A. Primary Scenario:

描述的是basic path。就像前面提到的EBP原则那样,好像是个流水账。按照1234……来把事情描述清楚

B. Secondary Scenarios:

   在这里要对Primary 场景下发生的个别例外描述清楚,要带着Primary Scenario中的编号,清楚的说明在哪个步骤或者从哪到哪可能会发生什么问题,并且发生了问题后要如何处理,这里着重要描述的是逻辑上的错误

Exception Scenarios:

  格式同上,可以将发生的违例描述清楚,包括发生后应该如何处理。这里着重要描述的是程序中可能会发生的各项违例,如:网络中断,发生IO违例……

Post condition:

  整个use case执行完毕后系统应当处于什么样的状态下,需要特别说明

 

这样整个use case就完成了,可以发现use case实际上是围绕actor的。在实际的工作中可能会发生由于需求的改变或者细化,将某个use case拆分为几个use case的情况。

 

 

1.5 DOMAIN MODEL

Domain model本质上就是Conceptual Class,特征是:

1、名词;

2、每个object映射到现实世界中的对应物;

3、描述的是彼此之间的关联;

4、不包含方法

Domain model是从use case中直接得到的,下面是从use case中如何得到Domain model的规则:

Conceptual Classes Category in perfect scenario:

1.  physical objects:

2.  specification ,design or description

3.  places

4.  transaction:

5.  transaction line items:

6.  role of people:

7.  container:

8.  things in the container:

9.  other extend systems interacted:

10.              organization:

11.              Events:

12.              process:

13.              rules and policy:

14.              records:

 

这样就可以得到Domain model。在当前阶段得到的Object越多越好,在下一步的设计中才不会有遗漏。这是一个例子:系统报警case domain model

下一次我们以上面的domain model为例,介绍ssd和ccd,到了设计阶段

  • 0
    点赞
  • 1
    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