PATbasic1007

#include "stdafx.h"
#include<iostream>
#include<vector>
using namespace std;

vector<int> Prime(int n) {              //筛法判断质数
	vector<int> prime;
	bool *isprimes = new bool[n + 1];
	int i, j, k;
	for (i = 2; i <= n; ++i) {
		isprimes[i] = true;
	}
	for (i = 2; i <= n; ++i) {
		if (isprimes[i] == true) {
			for (j = 2; i*j <= n; ++j) {
				isprimes[i*j] = false;
			}
		}
	}
	for (k = 2; k <= n; ++k) {
		if (isprimes[k]) prime.push_back(k);
	}
	return prime;
}


int main()
{
	int n, i, count = 0;
	cin >> n;
	vector<int> prime = Prime(n);
	/*for (i = 0; i < prime.size(); i++) {
		cout << prime[i] << " ";
	}
	cout << endl;*/
	int current = 0;
	for (i = 1; i < prime.size(); i++) {
		if (prime[i] - prime[current] == 2) {
			current = i;
			count++;
		}
		else current++;
	}
	cout << count << endl;
    return 0;
}
这道题关键是判断质数那里,我用的筛法,其基本思想为:用筛法求素数的基本思想是:把从1开始的、某一范围内的正整数从小到大顺序排列, 1不是质数,首先把它筛掉。
剩下的数中选择最小的数是质数,然后去掉它的倍数。依次类推,直到筛子为空时结束(百度百科)。如果用最常见的试除法,复杂度为O(n^2),肯定超时。
基于TROPOMI高光谱遥感仪器获取的大气成分观测资料,本研究聚焦于大气污染物一氧化氮(NO₂)的空间分布与浓度定量反演问题。NO₂作为影响空气质量的关键指标,其精确监测对环境保护与大气科学研究具有显著价值。当前,利用卫星遥感数据结合先进算法实现NO₂浓度的高精度反演已成为该领域的重要研究方向。 本研究构建了一套以深度学习为核心的技术框架,整合了来自TROPOMI仪器的光谱辐射信息、观测几何参数以及辅助气象数据,形成多维度特征数据集。该数据集充分融合了不同来源的观测信息,为深入解析大气中NO₂的时空变化规律提供了数据基础,有助于提升反演模型的准确性与环境预测的可靠性。 在模型架构方面,项目设计了一种多分支神经网络,用于分别处理光谱特征与气象特征等多模态数据。各分支通过独立学习提取代表性特征,并在深层网络中进行特征融合,从而综合利用不同数据的互补信息,显著提高了NO₂浓度反演的整体精度。这种多源信息融合策略有效增强了模型对复杂大气环境的表征能力。 研究过程涵盖了系统的数据处理流程。前期预处理包括辐射定标、噪声抑制及数据标准化等步骤,以保障输入特征的质量与一致性;后期处理则涉及模型输出的物理量转换与结果验证,确保反演结果符合实际大气浓度范围,提升数据的实用价值。 此外,本研究进一步对不同功能区域(如城市建成区、工业带、郊区及自然背景区)的NO₂浓度分布进行了对比分析,揭示了人类活动与污染物空间格局的关联性。相关结论可为区域环境规划、污染管控政策的制定提供科学依据,助力大气环境治理与公共健康保护。 综上所述,本研究通过融合TROPOMI高光谱数据与多模态特征深度学习技术,发展了一套高效、准确的大气NO₂浓度遥感反演方法,不仅提升了卫星大气监测的技术水平,也为环境管理与决策支持提供了重要的技术工具。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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