Tempo在XP上的安装与汉化

本文介绍如何在Windows XP上安装和配置Tempo,一个由Intalio开源的BPEL4People实现。主要内容包括编译Tempo所需的环境搭建、Tomcat的自动下载与配置、MySQL数据库设置以及界面汉化。

Tempo是一个BPEL4People的实现,结合ODE一起使用。其实是Intalio开源的一个软件。

Tempo现在项目好像还出于比较早期,svn的revision才5xx。不过由于是成熟产品开源的,所以还是不错的。

我是寻找工作流产品的时候发现的,看上他主要是看中了intalio的表单设计功能。

闲话少说,首先是编译tempo。

tempo是使用buildr编译的。

需要先保证你能上网,因为要从网上下东西。

然后要安装好ruby 1.8.x或者jruby 1.x,以及subversion。

在命令行下输入:

gem install buildr.

如果找不到gem命令,请检查path设置是否包含安装的ruby的bin目录。

我安装时buildr是1.3.1版,需要rubyforge 0.4.5.但是默认会安装1.0.0,因为hoe 1.5.3需要1.0.0.

如果你不是1.3.1的话,应该就没有问题了。

OK,如果是1.3.1,如何解决呢?

gem uninstall rubyforge -v 1.0.0

gem uninstall hoe -v 1.5.3

gem list 看看是否有rubyforge 0.4.5 和 hoe的低版本,如果没有使用

gem install rubyforge -v 0.4.5

gem install hoe -v 1.5.1

来安装

然后

buildr -v

如果正常的话会显示版本号。

然后

svn co http://tempo.intalio.org/tempo/trunk/ tempo

签出代码。

cd tempo

buildr test=no package install

编译打包,不知道install是不是必须的。

然后

cd rsc\scripts

编辑config.yml来自定义安装路径

ruby create_tomcat.rb

就会自动下载并安装配置好tomcat了。

安装mysql,然后新建一个数据库命名为bpms,保证root空密码。

切换到tomcat路径下

把conf下的lof4j.properties文件拷贝到common/classes下,否则不会输出log到文件。

把var/config/tempo-ui-fw-servlet.xml文件里找到

  <!-- Change this value to change the locale used for the resource bundle -->
  <bean id="localeResolver" class="org.springframework.web.servlet.i18n.FixedLocaleResolver">
      <property name="defaultLocale" value="en" />
  </bean>

改为

  <!-- Change this value to change the locale used for the resource bundle -->
  <bean id="localeResolver" class="org.springframework.web.servlet.i18n.FixedLocaleResolver">
      <property name="defaultLocale" value="zh_CN" />
  </bean>

然后运行tomcat就可以了.

维护者是用linux的,害我费了好大劲才在xp上运行起来,并顺便汉化一下并提交了。文中提到问题后面应该会改掉,可以先试一下。

【负荷预测】基于VMD-CNN-LSTM的负荷预测研究(Python代码实现)内容概要:本文介绍了基于变分模态分解(VMD)、卷积神经网络(CNN)和长短期记忆网络(LSTM)相结合的VMD-CNN-LSTM模型在负荷预测中的研究应用,采用Python代码实现。该方法首先利用VMD对原始负荷数据进行分解,降低序列复杂性并提取不同频率的模态分量;随后通过CNN提取各模态的局部特征;最后由LSTM捕捉时间序列的长期依赖关系,实现高精度的负荷预测。该模型有效提升了预测精度,尤其适用于非平稳、非线性的电力负荷数据,具有较强的鲁棒性和泛化能力。; 适合人群:具备一定Python编程基础和深度学习背景,从事电力系统、能源管理或时间序列预测相关研究的科研人员及工程技术人员,尤其适合研究生、高校教师及电力行业从业者。; 使用场景及目标:①应用于日前、日内及实时负荷预测场景,支持智慧电网调度能源优化管理;②为研究复合型深度学习模型在非线性时间序列预测中的设计实现提供参考;③可用于学术复现、课题研究或实际项目开发中提升预测性能。; 阅读建议:建议读者结合提供的Python代码,深入理解VMD信号分解机制、CNN特征提取原理及LSTM时序建模过程,通过实验调试参数(如VMD的分解层数K、惩罚因子α等)优化模型性能,并可进一步拓展至风电、光伏等其他能源预测领域。
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