openlayer3第一个网页地图

本文详细介绍了如何使用npm初始化项目,安装ol和parcel模块,进行项目编辑和运行,以及创建生产包并部署到服务器的过程。涵盖了项目初始化、依赖管理、打包工具使用等前端开发关键步骤。

一、项目初始化

1、创建项目文件夹,并切换到当前目录下

mkdir (文件名) && cd (文件名)

2、使用以下代码进行项目初始化,-y表示也是,默认默认选项,不用一个信息一个信息的填写修改。

npm init -y   //相关目录下会创建一个package.json文件

也可以使用 npm init 进行初始化。
3、安装依赖
ol模块,提供网络地图所需要的各种对象

npm install ol     

parcel模块,一个快速零配置的打包工具

npm install parcel-bundler --save-dev


使用 --save 或不写,都会把信息记录到dependencies中;–运行依赖
使用 --save-dev 则会把信息记录到 devdependencies 中;–开发依赖
dependencies 中记录的是项目运行时需要的文件; devdependencies 中记录的是项目在开发过程中需要使用的一些文件,最终项目运行时不需要。
parcel仅用于项目打包,在项目运行时不需要所以使用的是:–save-dev
ol中包含了网络地图所需的各种对象,是开发和运行中必不可少的,所以是–save(可省略)。
package.json文件的使用
4、编辑index.html、index.js
5、运行程序

npm start

6、创建应用程序生产包

npm start

7、将dist/下的文件拷贝到服务器中,即可在 http://localhost:1234/ 中查看。
实例数据

二、无需下载模块的情况

简易的网页编写,在head中添加链接。

<link rel="stylesheet" href="https://cdn.jsdelivr.net/gh/openlayers/openlayers.github.io@master/en/v6.1.1/css/ol.css" type="text/css">
<script src="https://cdn.jsdelivr.net/gh/openlayers/openlayers.github.io@master/en/v6.1.1/build/ol.js"></script>
基于数据驱动的 Koopman 算子的递归神经网络模型线性化,用于纳米定位系统的预测控制研究(Matlab代码实现)内容概要:本文围绕“基于数据驱动的Koopman算子的递归神经网络模型线性化”展开,旨在研究纳米定位系统的预测控制问题,并提供完整的Matlab代码实现。文章结合数据驱动方法与Koopman算子理论,利用递归神经网络(RNN)对非线性系统进行建模与线性化处理,从而提升纳米级定位系统的精度与动态响应性能。该方法通过提取系统隐含动态特征,构建近似线性模型,便于后续模型预测控制(MPC)的设计与优化,适用于高精度自动化控制场景。文中还展示了相关实验验证与仿真结果,证明了该方法的有效性和先进性。; 适合人群:具备一定控制理论基础和Matlab编程能力,从事精密控制、智能制造、自动化或相关领域研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①应用于纳米级精密定位系统(如原子力显微镜、半导体制造设备)中的高性能控制设计;②为非线性系统建模与线性化提供一种结合深度学习与现代控制理论的新思路;③帮助读者掌握Koopman算子、RNN建模与模型预测控制的综合应用。; 阅读建议:建议读者结合提供的Matlab代码逐段理解算法实现流程,重点关注数据预处理、RNN结构设计、Koopman观测矩阵构建及MPC控制器集成等关键环节,并可通过更换实际系统数据进行迁移验证,深化对方法泛化能力的理解。
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