儿子叫良宸!

儿子是2007年11月19日出生的,和他妈妈是同一天的生日:)
儿子的名字叫良宸。

liáng
〈形〉
(形声。本义:善良)
同本义 [good and honest;kindhearted]
良,善也。——《说文》
德音无良。——《诗·邶风·日月》
人之无良。——《诗·鄘风·鹑之奔奔》
侍中、侍郎郭攸之、费袆、董允等,此皆良实。——诸葛亮《出师表》
又如:天良(良心);驯良(和顺善良);良正(善良正直)
良好;美好 [good;fine;nice]
良剑期乎断,不期乎镆铘;良马期乎千里,不期乎骥骜。——《吕氏春秋·察今》
故作不良计,勿复怨鬼神。——《玉台新咏·古诗为焦仲卿妻作》
良田美池。——晋·陶渊明《桃花源记》
赵之良将。——《史记·廉颇蔺相如列传》
富家良马。——《淮南子·人间训》
又如:良图(好办法);良牧(好官);良死(安享天年而死。即好死、善终);良沃(良田,肥沃的田地);良朋(好朋友);良书(好书,益书);良罟(好的渔网);良贱(好坏老少之人);良士(贤士);良吏(贤良的宫吏);良妻(贤淑的妻子。即贤妻)
优秀 [excellent]
天下之良工也。——《孟子》
又如:良弓(善于制造弓的人);良工(技艺精妙的匠人);良疱(技艺精妙的厨师);良匠(手艺精巧的工匠);良车(制作精良的车子);良史(古称不畏权势,记事忠于史实的史官);良干(廉洁正直的高级官员);良笔(指历史家维护正义、忠于史事的记叙笔法)
和悦;和善 [amiable;amicable;genial]
其容良。——《荀子·非十二子》
大 [big;great]。如:良鱼(大鱼);良枣(大枣的别名);良器(大器。比喻杰出的人才)
吉祥 [lucky]。如:良月(吉祥的月份);良贞(吉卦);良时(吉时)
和乐;欢悦 [happy]。如:良晤(欢聚);良游(畅游);良聚(良会,欢聚)
长,久;深 [long;deep]
良夜乃罢。——《汉书》
又如:良夜(长夜);良宵(长夜)
通“谅”。诚实,信实 [honest]
知虑渐深,则一之以易良。——《荀子·修身》

chén
<名>
(形声。从宀(mián),辰声。从“宀”,表示与房屋有关。本义:屋檐)
同本义 [eave]
宸,屋宇也。——《说文》
而为敝邑宸宇。——《国语·越语》。注:“屋霤。”
消雰埃于中宸。——张衡《西京赋》。注:“天地之交宇也。”
又如:宸宇(屋檐。比喻庇荫)
又深又大的房屋 [great mansion]
宸,贾逵曰:室之奥者。——《玉篇》
帝王的住处 [imperial palace]
宸扉既辟。——王勃《九成宫颂》
又如:宸扉(宫门)
帝王、王位的代称 [emperor]
后有一行小字:“某年某月日,书赐荣国公贾源”,又有“万机宸翰之宝”。——《红楼梦》。注:翰,墨迹,书法。
又如:宸游(旧称皇帝出游);宸极(北极星,喻帝王)
【顶级EI完整复现】【DRCC】考虑N-1准则的分布鲁棒机会约束低碳经济调度(Matlab代码实现)内容概要:本文介绍了名为《【顶级EI完整复现】【DRCC】考虑N-1准则的分布鲁棒机会约束低碳经济调度(Matlab代码实现)》的技术资源,聚焦于电力系统中低碳经济调度问题,结合N-1安全准则与分布鲁棒机会约束(DRCC)方法,提升调度模型在不确定性环境下的鲁棒性和可行性。该资源提供了完整的Matlab代码实现,涵盖建模、优化求解及仿真分析全过程,适用于复杂电力系统调度场景的科研复现与算法验证。文中还列举了大量相关领域的研究主题与代码资源,涉及智能优化算法、机器学习、电力系统管理、路径规划等多个方向,展示了广泛的科研应用支持能力。; 适合人群:具备一定电力系统、优化理论和Matlab编程基础的研究生、科研人员及从事能源调度、智能电网相关工作的工程师。; 使用场景及目标:①复现高水平期刊(如EI/SCI)关于低碳经济调度的研究成果;②深入理解N-1安全约束与分布鲁棒优化在电力调度中的建模方法;③开展含新能源接入的电力系统不确定性优化研究;④为科研项目、论文撰写或工程应用提供可运行的算法原型和技术支撑。; 阅读建议:建议读者结合文档提供的网盘资源,下载完整代码与案例数据,按照目录顺序逐步学习,并重点理解DRCC建模思想与Matlab/YALMIP/CPLEX等工具的集成使用方式,同时可参考文中列出的同类研究方向拓展研究思路。
内容概要:本文详细介绍了一个基于MATLAB实现的电力负荷预测项目,采用K近邻回归(KNN)算法进行建模。项目从背景意义出发,阐述了电力负荷预测在提升系统效率、优化能源配置、支撑智能电网和智慧城市建设等方面的重要作用。针对负荷预测中影响因素多样、时序性强、数据质量差等挑战,提出了包括特征工程、滑动窗口构造、数据清洗与标准化、K值与距离度量优化在内的系统性解决方案。模型架构涵盖数据采集、预处理、KNN回归原理、参数调优、性能评估及工程部署全流程,并支持多算法集成与可视化反馈。文中还提供了MATLAB环境下完整的代码实现流程,包括数据加载、归一化、样本划分、K值选择、模型训练预测、误差分析与结果可视化等关键步骤,增强了模型的可解释性与实用性。; 适合人群:具备一定MATLAB编程基础和机器学习基础知识,从事电力系统分析、能源管理、智能电网或相关领域研究的研发人员、工程师及高校师生;适合工作1-3年希望提升实际项目开发能力的技术人员; 使用场景及目标:①应用于短期电力负荷预测,辅助电网调度与发电计划制定;②作为教学案例帮助理解KNN回归在实际工程中的应用;③为新能源接入、需求响应、智慧能源系统提供数据支持;④搭建可解释性强、易于部署的轻量级预测模型原型; 阅读建议:建议结合MATLAB代码实践操作,重点关注特征构造、参数调优与结果可视化部分,深入理解KNN在时序数据中的适应性改进方法,并可进一步拓展至集成学习或多模型融合方向进行研究与优化。
先展示下效果 https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
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