2020-09-05

在这里插入图片描述

前言
URI是http协议中的重要组成部分,它是一个用于标识某一互联网资源名称的字符串。 该种标识允许用户对任何的资源通过特定的协议进行交互操作。

URI有什么用呢? 举个例子:

当没有URI时,如果张三想分享一段视频给李四,那么张三要告诉李四如下要求:

要使用FTP协议访问zhangsanvideo.com,端口是8088。
登录用户名是lisi,密码是lisi。
接着要进入到/share/video目录下。
下载名为sharetolisi.flv文件。
当有了URI时,一切都变得非常简单了。只需一段字符串就能表达以上的要求。
ftp://lisi:lisi@zhangsanvideo.com:8088/share/video/sharetolisi.flv

这就是URI的威力。

URI与URL、URN的区别
什么是URL
URL是在RFC1738文档中定义的。全称:Uniform Resource Locator,统一资源定位符。它也就是我们俗称的网站地址。 它表示资源的位置,如同在网络上的门牌。

统一资源定位符的标准格式如下:
[协议类型]😕/[服务器地址]:[端口号]/[资源层级UNIX文件路径][文件名]?[查询]#[片段ID]

其中[端口号]、[查询]、[片段ID]都属于选填项。

在HTTP协议中的URL将从互联网获取信息的五个基本元素包括在一个简单的地址中:
1、传送协议
2、层级URL标记符号(为[//],固定不变)
3、访问资源需要的凭证信息(可省略)
4、服务器(通常为域名,有时为IP地址)
5、端口号(以数字方式表示,若为默认值可省略)
6、路径(以"/"字符区别路径中的每一个目录名称)
7、查询(GET模式的参数。以?字符为起点,每个参数以&隔开,再以=分开参数名称与值,通常以UTF8的URL编码,避开字符冲突的问题)
8、片段(以#字符为起点)

以https://juejin.im:80/search?query=vue&type=all为例,其中:

https,是协议
juejin.im,是服务器
443,是端口号
/search,是路径
?query=vue&type=all,是询问
大多数浏览器不要求用户输入协议部分(上面URL中的https://),因为大多数网页内容都是HTTP/HTTPS协议。同样80是HTTP协议常用的端口号,443是HTTPS协议常用的端口号,因此一般也不必写明。

由于HTTP协议允许服务器将浏览器重定向到另一个网页地址,因此许多服务器允许用户省略网页地址中的部分,比如www。

什么是URN
URN是在RFC2141文档中定义的,全称Uniform Resource Name,统一资源名称。期望为资源提供持久的、位置无关的标识方式,并允许简单地将多个命名空间映射到单个URN命名空间。

一个URI的存在并不意味着被标识的资源一定是可用的,当它仍然需要保持全局唯一和持久,即使资源已经不存在了或变得不可用了。

URN是URI的历史名字,只从URI发布之后,URN的使用已经被URI取代了。

什么是URI
URI是在RFC1630文档中定义的,全称:Uniform Resource Identifier,统一资源标识符。它是一个用于标识某个互联网资源名称的字符串。

URI文法由URI协议名(例如http、ftp、mailto、file),一个冒号,和协议对应的内容所构成。特定的协议定义了协议内容的语法和语义,而所有的协议都必须遵循一定的URI文法通用规则,亦即为某些专门目的保留部分特殊字符。URI文法同时也就各种原因对协议内容加以其他的限制,例如,保证各种分层协议之间的协同性。百分号编码也为URI提供附加信息。

通用URI的格式如下:
[协议名]😕/[用户名]:[密码]@[主机名]:[端口]/[路径]?[查询参数]#[片段ID]

如图所示:

URL、URN与URI的关系
URN和URL都已经是URI的一种。如图所示:

URI就是在某一规则下能把一个资源独一无二地标识出来。在现实生活中URI就是身份证号码。而家庭住址也能将人标识出来,所以家庭住址也是URI。

URL是以描述人的位置来唯一确定一个人的。
举例:
住址协议://中国/广东省/广州市/番禺区/某大学/某宿舍楼/某宿舍/张三

可以看到,这个字符串同样标识出了唯一的一个人,起到URI的作用,所以URL是URI的子集。

用身份证号也可以唯一确定一个人。对于广州的张三来说,可以用身份证号:440xxxxxxxxxxxxxxx来标识他。 所以URN也是URI的一种。

无论是用定位的方式还是用ID的方式,都可以唯一确定一个人,都是URI的一种实现。

因为URN没能流行起来,所以在互联网中URI几乎可以认定为URL。

内容概要:本文围绕六自由度机械臂的人工神经网络(ANN)设计展开,重点研究了正向与逆向运动学求解、正向动力学控制以及基于拉格朗日-欧拉法推导逆向动力学方程,并通过Matlab代码实现相关算法。文章结合理论推导与仿真实践,利用人工神经网络对复杂的非线性关系进行建模与逼近,提升机械臂运动控制的精度与效率。同时涵盖了路径规划中的RRT算法与B样条优化方法,形成从运动学到动力学再到轨迹优化的完整技术链条。; 适合人群:具备一定机器人学、自动控制理论基础,熟悉Matlab编程,从事智能控制、机器人控制、运动学六自由度机械臂ANN人工神经网络设计:正向逆向运动学求解、正向动力学控制、拉格朗日-欧拉法推导逆向动力学方程(Matlab代码实现)建模等相关方向的研究生、科研人员及工程技术人员。; 使用场景及目标:①掌握机械臂正/逆运动学的数学建模与ANN求解方法;②理解拉格朗日-欧拉法在动力学建模中的应用;③实现基于神经网络的动力学补偿与高精度轨迹跟踪控制;④结合RRT与B样条完成平滑路径规划与优化。; 阅读建议:建议读者结合Matlab代码动手实践,先从运动学建模入手,逐步深入动力学分析与神经网络训练,注重理论推导与仿真实验的结合,以充分理解机械臂控制系统的设计流程与优化策略。
感谢你提供的列名信息,我们可以看到: - `"...1"`:可能是 Excel 中第一列无标题的自动命名(比如行号或空列),可以忽略。 - `"STATION"`:站点编号 - `"NAME"`:站点名称 - `"LATITUDE"`:纬度 - `"LONGITUDE"`:经度 - `"ELEVATION"`:海拔 - `"statement"`:可能是一个状态或注释字段 - 后续从 `"2020-01-01"` 到 `"2020-01-31"` 是每日风速数据(共31天) --- ### ✅ 目标更新: 你要做的是:**根据给定的 SHP 范围裁剪站点,保留落在该地理范围内的所有站点及其完整的逐日风速数据。** 下面是适配你实际列名的完整 R 语言代码,并处理好坐标、投影和数据结构问题。 ```r # 加载所需包 library(sf) library(readxl) library(dplyr) # ------------------- 参数设置 ------------------- excel_file <- "your_wind_station_data.xlsx" # 替换为你的实际文件路径 sheet_name <- "Sheet1" # 替换为你的工作表名 shp_file <- "your_boundary.shp" # 替换为你的SHP文件路径 # ------------------- 步骤1: 读取Excel数据 ------------------- df <- read_excel(excel_file, sheet = sheet_name) # 查看列名确认 names(df) <- make.names(names(df)) # 确保列名是合法的(防止空格等问题) cat("原始列名:\n"); print(names(df)) # ------------------- 步骤2: 提取空间信息并创建sf对象 ------------------- # 使用 LATITUDE 和 LONGITUDE 创建空间点(注意:顺序是 LON, LAT) stations_sf <- st_as_sf(df, coords = c("LONGITUDE", "LATITUDE"), # 经度在前,纬度在后 crs = 4326, # WGS84 地理坐标系 dim = "XY") # ------------------- 步骤3: 读取SHP边界并确保其CRS ------------------- boundary <- st_read(shp_file) # 如果boundary不是投影坐标系(如EPSG:32649),则需要检查并转换 # 假设你知道目标投影是 UTM Zone 49N (EPSG:32649),我们统一到这个坐标系进行空间操作 if (is.na(st_crs(boundary))) { stop("SHP文件没有坐标系信息,请先定义正确的CRS!") } # 将站点数据重投影到与SHP相同的坐标系下进行空间判断 stations_projected <- st_transform(stations_sf, crs = st_crs(boundary)) # ------------------- 步骤4: 空间裁剪 —— 找出在SHP范围内的站点 ------------------- # 使用 st_intersects 或 st_within 进行空间子集提取 # 这里使用 [s,t] 语法:返回落在任意多边形内的站点 stations_clipped <- stations_projected[boundary, , op = st_intersects] # 若你想更严格地要求“完全包含”,可用 st_within,但通常 st_intersects 更通用 # ------------------- 步骤5: 转回原始经纬度并提取属性表格 ------------------- # 将结果转回WGS84以便保留原始经纬度格式输出 stations_wgs84 <- st_transform(stations_clipped, crs = 4326) # 去掉geometry列,恢复为普通data.frame,同时保留原始所有列(包括每日数据) result_df <- st_drop_geometry(stations_wgs84) # 可选:重新排序列,把时间序列放在后面 date_cols <- grep("^\\d{4}-\\d{2}-\\d{2}", names(result_df), value = TRUE) non_date_cols <- setdiff(names(result_df), date_cols) final_df <- select(result_df, c(non_date_cols, date_cols)) # 按逻辑排序 # ------------------- 步骤6: 导出结果 ------------------- write.csv(final_df, "clipped_stations_202001.csv", row.names = FALSE, na = "") cat("共保留了", nrow(final_df), "个站点在SHP范围内。\n") ``` --- ### ✅ 关键说明: | 功能 | 说明 | |------|------| | `coords = c("LONGITUDE", "LATITUDE")` | 必须是 **经度在前,纬度在后**,否则位置错误! | | `crs = 4326` | 表示输入的经纬度使用 WGS84 坐标系 | | `st_transform(...)` | 将点从地理坐标(度)转为投影坐标(米),确保与 SHP 在同一空间参考下比较 | | `st_intersects` | 判断点是否与多边形相交(即落在内部),适用于大多数情况 | | `st_drop_geometry()` | 移除空间结构,得到纯数据框用于导出 | > 💡 输出的 CSV 文件将包含原始所有列,包括 `STATION`, `NAME`, `LATITUDE`, `LONGITUDE`, `ELEVATION`, `statement` 和所有日期列(如 `2020-01-01` 等),仅保留位于 SHP 范围内的站点。 --- ### ✅ 示例输出片段(final_df 头几行): ``` ...1 STATION NAME LATITUDE LONGITUDE ELEVATION statement 2020-01-01 2020-01-02 ... 1 1 101 Beijing 39.90 116.4 50.0 good 3.2 4.1 2 2 102 Tianjin 39.08 117.2 10.0 good 5.0 3.8 ... ``` --- ###
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