21年不定期更新的随笔--3月15日

博主分享了硕士论文的艰难历程,从最初的困惑到即将完成的欣喜,同时提及了工作选择,决定在技术开发领域深造,并计划在工作前学习JAVA。目前在准备大论文的最后阶段,期望一切顺利,毕业旅行也在计划之中。

距离上一次写随笔过去了半年,开始了一个新的年头,今年要更勤奋、阳光、热闹亿点点,可可爱爱没有脑袋。

1.关于论文

  • 小论文跌跌撞撞算是结束了,去年四月的时候还在纠结难受小论文写不出来,初稿做不出来,仿真更完成不了,对自己这个方向的概念甚至都不是很清楚,看论文基本扫盲和知识普及阶段。现在已经到了大论文快进入了收尾工作,还有差不多两到三周的时间,大论文就要全部完成,被送去盲审,在研究生阶段最大的事情就算结束了,剩下的就是毕业答辩和自由学习时间。
    感觉时间过得超快,期待开学赶紧毕业,又不想开学经历这一系列的答辩,还要抓紧时间安排自己的课余学习,要早早起床然后去实验室做一天的日子好像听起来很无聊但是过起来又很快。
    3.15更新
    今晚准备通宵把大论文最后的仿真弄完,然后就只剩下公式统一、语句通顺和参考文献,听起来还真是蛮多的,周三要给老师发定稿,下周三要送出去盲审,我今晚还是通个宵抓点紧。
    希望我和我身边的人都会有好的结果,顺利毕业,硕士毕个业真是太难了。

2.工作和JAVA

  • 面试了很多公司,基本全是技术开发类的,从来没动摇过要干这一行业,只是要学习的东西还有很多,收藏了b站马士兵教育的java课,安排自己在工作之前看一遍吧。有幸在秋招结束之际收到了几个offer,自从收到offer后投简历找工作的热情就不大了,中间其实犹豫过要在银行还是在公司,不同的选择可能会经历不同的生活方式,因为都没有经历过,就不知道哪个是对的选择,不过选哪个都会坚定下去。春招可能还是会稍微试一下几个公司吧。
  • 3.15更新
    进展-----------无

总结

  • 复盘是一件很快乐的事情,可以知道自己去年一年完成的事情并不多,接下来一年要做的事情还很多,新的一年,要断舍离。
  • 毕业季的时候想给自己安排毕业旅行,因为毕业之后可能没有这么大把空闲的时间和自己喜欢的人出去旅行。
  • 愿:所得皆所愿,所行亦无憾,岁岁常喜乐,万事皆顺意
【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。
评论 1
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