Java的运算符

Java的运算符

1:赋值运算符:

我们将 = 号称之为赋值运算符,器作用是将等号右边的值赋值给等号左边的变量

例如:

int money = 1000   //存储现金

使用“=” 将数值 1000 放入变量money的存储空间中

“=” 可以将某个数值赋值给变量,或是将某个表达式的值赋值给变量,表达式就是符号(如加号,减号)与操作数(如b,3等)的组合。例如:

int b;
int a=(b+3)*(b-1);

2:算术运算符:

运算符说明举例
+加法运算符,求操作数的和5+3等于8
-减法运算符,求操作数的差5-3等于2
*乘法运算符,求操作数的乘积5*3等于15
/除法运算符,求操作数的商5/3等于1
%取余运算符,求操作数相除的余数5%3等于2
public class Test {
 
  public static void main(String[] args) {
     int a = 10;
     int b = 20;
     int c = 25;
     int d = 25;
     System.out.println("a + b = " + (a + b) );
     System.out.println("a - b = " + (a - b) );
     System.out.println("a * b = " + (a * b) );
     System.out.println("b / a = " + (b / a) );
     System.out.println("b % a = " + (b % a) );
     System.out.println("c % a = " + (c % a) );
  }

3:关系运算符:

关系运算符说明举例
>大于99>100,结果为false
<小于大象的寿命<乌龟的寿命,结果为true
>=大于等于你的考试成绩>=200分,结果为false
<=小于等于每次的考试成绩<= 60 分 结果为 false
==等于地球的大小 == 篮球的大小,结果为false
!=不等于水的密度 != 铁的密度,结果为true
public class Test {   public static void main(String[] args) {     int a = 10;
int b = 20;                                                       System.out.println("a == b = " + (a == b) );                       System.out.println("a != b = " + (a != b) );     System.out.println("a > b = " + (a > b) );     System.out.println("a < b = " + (a < b) );     System.out.println("b >= a = " + (b >= a) );     System.out.println("b <= a = " + (b <= a) );         }

注意:

“=” 和“==”的区别:

(1):“=”是赋值运算符,即把右边的值赋给 “ =” 左边的变量,如 int num =200。
(2):“”是比较运算符,即“”左边的值与“”右边的值进行比较,看他们是否相等,如果相等则是true,否则为false , 如 34的结果为false
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
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