[vb版机房] 机房收费系统总结

本文分享了一个机房收费系统的开发经验,从功能设计到问题解决,再到代码编写与调试的过程。作者通过该项目提升了编程技能并总结了诸多教训。

经过三个多星期的工作,机房收费系统结束了,机房收费系统是自己接受的第二个系统,不论代码量还是逻辑结构都要比第一个接触的学生信息管理系统复杂的多。老实说,自己对这个系统理解的还是皮毛,还需要自己以后不断的加深理解。

总体的介绍

下面是整个系统中的全部功能介绍。


全部功能有点多,但是大致分为三个类型:一般用户,操作员,管理员。对于一般用户的理解,我开始认为是学生,但是经过后来的理解认为是不合理的。如果是学生,任何学生都能控制上下机,这样这个机房就会乱掉。所以一般用户应该是正在值班的老师。只能提供一些基本的操作。

功能完善

组合查询中如果如果前面选择框中出现性别,姓名,等后面就不能出现> 或者<。如果前面出现日期后面就应该限制只能输入日期的数字,如果前面出现时间,后面就只能出现时间的数字。
问题描述:
解决方法:
窗体
在窗体中添加3个dtpicker控件,并且盖住文本框。大小相同。选择在最上层。
代码
Private Sub Combo1_click(Index As Integer)
    For b = 0 To 2
     If Combo1(b).Text = "姓名" Or Combo1(b).Text = "备注" Then
     
        Combo2(b).clear
        Combo2(b).AddItem ""
        Combo2(b).AddItem "="
        Combo2(b).AddItem "<>"
    Else
        Combo2(b).clear
        Combo2(b).AddItem ""
        
        Combo2(b).AddItem "="
        Combo2(b).AddItem "<"
        Combo2(b).AddItem ">"
        Combo2(b).AddItem "<>"
    End If
    Next b
'****************************************************************************
    For a = 0 To 2
        If Combo1(a).Text = "上机时间" Or Combo1(a).Text = "下机时间" Then
            DTPicker1(a).Visible = True
            DTPicker1(a).Format = dtpTime
            
            Style = "color:#009900;" '设置成时间格式
            Text1(a).Text = DTPicker1(a).Value
        ElseIf Combo1(a).Text = "上机日期" Or Combo1(a).Text = "下机日期" Then
        
            DTPicker1(a).Visible = True
            DTPicker1(a).Format = dtpShortDate
            Style = "color:#009900;"    '设置成日期格式
            Text1(a).Text = DTPicker1(a).Value
            
            Else
             DTPicker1(a).Visible = False
             Text1(a).Text = ""
        End If
        Next a
End Sub

感受

1.没有全局观,整个过程没有做好准备工作,整个过程就是为了实现某一个功能想办法,没有整体的整理思路,造成自己的速度非常的慢。
2.代码写的非常不规范,比如记录集打开之后没有进行关闭,查询速度缓慢了。
3.代码没有加注释,造成自己在调错的非常的困难.

收获

1.学会了调错。调错的方法有很多,可以使用断点调试,msgbox跟踪变量,还可以使用其实用Debug.Print不仅可以达到同样的功效,而且在程序最后编译过程中,会被忽略.而MsgBox必须手动注释或删除.

通常:
MsgBox nName

应该: 


Debug.Print nName
2.学会了代码的简单写法比如使用iif 语句简化if语句的长度

If nNum = 0 Then
sName = "sancy"
Else
sName = "Xu"
End If

简单的代码:
sName=IIf(nNum=0,"sancy","Xu")


基于TROPOMI高光谱遥感仪器获取的大气成分观测资料,本研究聚焦于大气污染物一氧化氮(NO₂)的空间分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,形成多维度特征数据集。该数据集充分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,项目设计了一种多分支神经网络,用于分别处理光谱特征与气象特征等多模态数据。各分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。这种多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浓度分布进行了对比分析,揭示了人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高光谱数据与多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。 资源来源于网络分享,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 19
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