Dart5.Set

本文详细介绍了Dart语言中集合(Set)的基本操作,包括添加、删除、求差集、交集、并集以及保留特定元素等。通过实例展示了如何创建无重复元素的集合,并演示了各种集合操作的使用方法。

Set

set1.difference(set2):返回set1集合里有但set2里没有的元素集合

set1.intersection(set2):返回set1set2的交集

set1.union(set2):返回set1set2的并集

set1.retainAll()set1只保留某些元素(要保留的元素要在原set中存在)

set.dart

void main(){
  /// ---------------------------------Sets集合:Set--------------------------------
  print('-----------------------Sets------------------------');
  //6.  Set无重复列表
  var dynamicSet = Set();
  dynamicSet.add('aaaaa');
  dynamicSet.add('flutter');
  dynamicSet.add(1);
  dynamicSet.add(1);
  print('dynamicSet :${dynamicSet}'); // 输出 dynamicSet :{aaaaa, flutter, 1}
  //常用属性与list类似

  //常用方法 增删改查与list类似
  var set1 = {'aaaaa', 'flutter'};
  print('set1 :${set1}'); // 输出 set1 :{aaaaa, flutter}
  var set2 = {'aaaaa', 'damon', 'dart'};
  print('set2 :${set2}'); // 输出 set2 :{aaaaa, damon, dart}
  var difference12 = set1.difference(set2);
  var difference21 = set2.difference(set1);
  print('set1 difference set2 :${difference12}'); //返回set1集合里有但set2里没有的元素集合 输出 set1 difference set2 :{flutter}
  print('set2 difference set1 :${difference21}'); //返回set2集合里有但set1里没有的元素集合 输出 set2 difference set1 :{damon, dart}
  var intersection = set1.intersection(set2);
  print('set1 set2交集 :${intersection}'); //返回set1和set2的交集 输出  set1 set2交集 :{aaaaa}
  var union = set1.union(set2);
  print('set1 set2并集 :${union}'); //返回set1和set2的并集 输出  set1 set2并集 :{aaaaa, flutter, damon, dart}
  set2.retainAll(['aaaaa', 'flutter']); //只保留(要保留的元素要在原set中存在) 输出  set2只保留aaaaa flutter :{aaaaa}
  print('set2只保留aaaaa flutter :${set2}');
  print('-----------------------Sets------------------------');
}

输出:

D:\flutter\bin\cache\dart-sdk\bin\dart.exe --enable-asserts --enable-vm-service:13394 D:\Code\Flutter\FlutterHello\flutter_app\lib\set.dart
lib/set.dart: Warning: Interpreting this as package URI, 'package:flutterapp/set.dart'.
Observatory listening on http://127.0.0.1:13395/cK5Bl72_rsc=/

-----------------------Sets------------------------
dynamicSet :{aaaaa, flutter, 1}
set1 :{aaaaa, flutter}
set2 :{aaaaa, damon, dart}
set1 difference set2 :{flutter}
set2 difference set1 :{damon, dart}
set1 set2交集 :{aaaaa}
set1 set2并集 :{aaaaa, flutter, damon, dart}
set2只保留aaaaa flutter :{aaaaa}
-----------------------Sets------------------------

Process finished with exit code 0

 

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
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