ccBPM的分合流解决多人、多部门等独立处理工作的介绍

ccBPM的分合流解决多人、多部门等独立处理工作的介绍

工作流实现分合流(多人、多部门分工处理)的介绍

分合流:顾名思义,想长江一样,有主流河流和分支河流,有起点,有终点。

 

适用范围:多人、多角色、多岗位、多部门等相互独立审批工作、处理工作,同时又可在某个步骤中查看工作的汇总、或者过程、或者处理结果等。

 

作用:可以实现复杂的业务逻辑审批、工作处理,提高工作效率,提高多部门的协同办公的能力。

 

分合流设置的两种方式:

同表单分合流和异表单分合流。

同表单分合流:操作同一个表,一个工作多人处理。

clip_image002

上图中,成员填写计划、修改计划为子线程节点,下达填写计划为分流节点,汇总整理计划、计划汇总是合流节点。

通过以下方式设置节点类型。如果使用分合流,节点类型必须设置。

clip_image004

 

子线程节点中,根据绑定的人员和设置的节点运行规则决定有多少人处理。

合流节点,根据绑定的人员、设置的节点运行规则和运行模式决定有多少人处理。

 

异表单分合流:可以操作不通的数据表,不同的工作。

clip_image006

除了分流节点、合流节点记忆结束节点,其他的子线程节点都表单一个单独的数据表(工作任务)。

clip_image008

 

如果您对ccBPM感兴趣,可以关注微信,获取源码与文档:

clip_image010

posted on 2015-07-09 11:15 驰骋工作流 阅读( ...) 评论( ...)   编辑 收藏
基于TROPOMI高光谱遥感仪器获取的大气成观测资料,本研究聚焦于大气污染物一氧化氮(NO₂)的空间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,形成维度特征数据集。该数据集充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,项目设计了一种支神经网络,用于处理光谱特征与气象特征等模态数据。各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浓度布进行了对比析,揭示了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

打赏作者

驰骋低代码、工作流、表单引擎

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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