java数据类型

   java的数据类型和其他的语言一样就分为:值类型 比如:int  double float  long 等,引用类型 比如String Object Array Date等。

   不同的数据类型在内存中存储的位置是不一样的。

  值类型                                            引用类型

  存储在栈中 地址存在栈中,数据存储在堆中

   所以要注意的是引用类型的赋值其实是把地址赋给另外一个变量他们指向的是堆中的同一份数据。

  值类型的赋值就是副本的拷贝。


这里要注意的地方是:

整数 默认就是int类型

小数默认就是double类型

数据类型的转换,小可以自动转换成大,比如 byte 0-255可以自动转换成范围更大的int类型而无需强制转换

说到数据类型肯定少不了比较,我们常用的比较就是“==”和equals两种方式前者是引用的比较,后者是比较内容。但是在包装类型和值类型比较的时候又会有些许的不同。一下就是这种情况的说明,还有就是String类型是引用类型那么使用“==”比较会相等呢?

public static void main(String[] args) {
    //装箱 基本类型转换成包装类型
    //拆箱 包装类型转换成基本类型

    Integer a = 300;
    Integer b =300;
    int c  = 300;
    Integer d =100;
    Integer e =100;
    Integer f =5;
    Long g = 3L;
    Long h = 2L;
    int i = 100;

    //1.==比较
    //==另个数都是包装类型的时候比较的是不是指向同一个对象,但是有一种情况在Integer=100 在装箱的时候Integer.ValueOf返回的是同一个对象所以是相等,为什么返回的是同一个对象可以看下jdk源码在一定的范围内这个函数返回的就是同一个对象(返回内存区已经存在的对象)
    System.out.println(d==e);//true
    System.out.println(a==b);//false
    //== 有等号的一边是基本类型那么在比较的时候包装类型会拆箱为基本类型,所以比较的就是基本类型的数值是否相等
    System.out.println(c==a);//true

    //2.equals,对于包装类型在进行equals比较的时候不会进行类型转换
    //g+h首先会进行的是拆箱操作变成基本类型相加之后进行装箱操作变成包装类型 但是由于fInteger 右边是Longequals比较的时候不会进行类型转换所以false
    System.out.println(f.equals(g+h));//false
    //基本类型和包装类型用equals进行比较的时候比较的只是值是否相等,基本包装类型就会转换成值类型进行比较
    System.out.println(a.equals(c));//true
    System.out.println(a.equals(b));//true

    //在这里都返回的是true==比较的是对象引用,equals比较是内容。String s1 = "String"; 这种方式声明的对象,首先会在缓冲区查找是否在"String"如果存在直接赋值给变量,没有就创建一个。所以s1==s2
    String s1 = "String";
    String s2 = "String";
    System.out.println(s1 == s2 );
    System.out.println(s1.equals(s2));

    //直接new出来的对象都是在内存分配的空间所以直接用==肯定是false
    String s3 = new String("String");
    String s4 = new String("String");
    System.out.println(s3 == s4);//false
    System.out.println(s3.equals(s4));//true
}

【多变量输入超前多步预测】基于CNN-BiLSTM的光伏功率预测研究(Matlab代码实现)内容概要:本文介绍了基于CNN-BiLSTM模型的多变量输入超前多步光伏功率预测方法,并提供了Matlab代码实现。该研究结合卷积神经网络(CNN)强大的特征提取能力与双向长短期记忆网络(BiLSTM)对时间序列前后依赖关系的捕捉能力,构建了一个高效的深度学习预测模型。模型输入包含多个影响光伏发电的气象与环境变量,能够实现对未来多个时间步长的光伏功率进行精确预测,适用于复杂多变的实际应用场景。文中详细阐述了数据预处理、模型结构设计、训练流程及实验验证过程,展示了该方法相较于传统模型在预测精度和稳定性方面的优势。; 适合人群:具备一定机器学习和深度学习基础,熟悉Matlab编程,从事新能源预测、电力系统分析或相关领域研究的研发人员与高校研究生。; 使用场景及目标:①应用于光伏电站功率预测系统,提升电网调度的准确性与稳定性;②为可再生能源并网管理、能量存储规划及电力市场交易提供可靠的数据支持;③作为深度学习在时间序列多步预测中的典型案例,用于科研复现与教学参考。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,重点关注数据归一化、CNN特征提取层设计、BiLSTM时序建模及多步预测策略的实现细节,同时可尝试引入更多外部变量或优化网络结构以进一步提升预测性能。
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