当前位置: 首页 > news >正文

【降尺度】AI+CMIP6数据分析与可视化、降尺度技术与气候变化的区域影响、极端气候分析

气候变化已成为全球性挑战,对农业、生态系统、水资源、人类健康和社会经济系统产生深远影响。科学研究表明,自工业革命以来,人类活动导致的温室气体排放与全球气温上升、极端天气事件增加、冰川融化和海平面上升等现象密切相关。为科学理解和有效应对气候变化,气候专家开发了一系列全球气候模型(GCM),这些复杂的数值模型通过数学方程组描述大气、海洋、冰层、陆地和生物地球化学过程等地球系统组成部分及其相互作用。当前的CMIP6计划相较于前代模型,在空间分辨率、物理过程表达和地球系统组件耦合等方面均有显著提升。随着人工智能技术的飞速发展,大语言模型(LLM)和深度学习方法为气候科学研究带来革命性变革。AI技术在气候数据处理、模式识别、预测建模、降尺度方法和极端事件分析等领域展现出巨大潜力。从自动化数据获取到高级Python工具应用,从统计降尺度到动力降尺度,从极端事件检测到区域影响评估,人工智能正逐步融入气候研究的各个环节。探索气候变化研究的核心问题,介绍全球气候模型基础知识,深入解析CMIP6数据的应用价值,并系统呈现人工智能技术如何赋能现代气候科学。通过掌握AI辅助的气候数据处理、分析和可视化技术,学习者将能够更高效地开展气候变化相关研究,为应对气候变化提供科学依据和技术支持。

专题一、气候变化研究的AI新视角

1、气候模型基础与全球气候模型(GCM)

介绍全球气候(环流)模型的基本原理、发展历程与最新进展

介绍GCM的主要组成部分、工作原理与数值求解方案

介绍模型的空间和时间分辨率及其不确定性对气候预测的影响

介绍气候变化的核心问题与研究意义

图片

2、气候模型比较计划(CMIP)与CMIP6

介绍CMIP的背景、目的与组织结构

介绍CMIP6计划的新特性、标准实验设计与应用场景

介绍CMIP6相对于CMIP5的技术升级与改进优势

介绍复杂地球系统模型(ESM)的新进展

介绍如何选择合适的CMIP6模式和情景进行研究

图片

3、其他重要模型比较与评估计划

介绍CORDEX、AMIP、PMIP、ScenarioMIP、GeoMIP等重要比较计划

介绍不同模式比较活动的侧重点与研究贡献

介绍各比较计划对气候科学研究和政策制定的意义

介绍数据访问和使用指南

4、人工智能技术在气候变化研究中的应用

介绍大语言模型(LLM)的基本原理和发展趋势(ChatGPT、GPT-4、Gemini、DeepSeek、Claude等)

介绍AI在气候数据处理与分析中的优势

介绍机器学习方法在气候研究中的应用: 

介绍时间序列预测与气候建模

介绍卷积神经网络(CNN)与气候数据空间分析

介绍注意力机制与气候极端事件检测

5、大语言模型在气候科学研究中的前沿应用

介绍大语言模型在气候科学中的潜力与应用案例

介绍AI自动生成科研报告、文献综述与数据分析

介绍常用工具:ChatGPT、DeepSeek等在科研工作流优化中的应用

专题二、基于AI的CMIP6数据获取

1、官方网站(ESGF节点)手动下载流程

2、自动化数据获取: 

3、利用Python命令行工具(如esgf-download)批量下载

4、利用AI大语言模型编写自动化下载脚本

5、半自动购物车方式下载与管理

6、Python在大气科学中的应用基础

图片

专题三、高级Python与AI工具

1、科研Python基础与AI辅助编程

介绍面向气候科学的Python语法快速回顾

介绍ChatGPT、Copilot等工具辅助Python代码快速生成与调试

介绍利用AI大语言模型提高代码编写效率与可读性

介绍基本科学计算库的进阶应用: 

介绍NumPy:多维数组操作与高级数值计算

介绍SciPy:科学计算与信号处理

介绍Pandas:数据清洗、处理与分析的最佳实践

图片

2、气候数据处理工具与netCDF文件操作

介绍netCDF文件处理基础与技巧

介绍CDO高级命令与组合使用技巧: 

介绍选择、提取、修改变量和维度

介绍统计运算、函数运算

介绍空间操作:重网格、插值、区域提取

介绍时间操作:时间序列分析、季节平均

介绍利用AI大语言模型生成CDO命令,简化操作流程

介绍处理非365天日历的GCM数据(以BCC为例)

3、Xarray高级数据处理与分析

介绍Xarray核心概念深入理解(DataArray、Dataset)

介绍基于标签的数据操作技术

介绍分组聚合、数据透视、时间序列处理方法

介绍与netCDF数据的无缝对接

介绍裁剪与重采样方法: 

介绍使用Xarray进行地理区域选择

介绍多维数据的时间和空间裁剪

介绍AI辅助自动化数据操作脚本编写

4、高级数据处理

介绍Python与AI结合的数据处理流程设计

介绍基于AI的异常值检测与数据质量控制

介绍数据补全与高分辨率数据重构技术

介绍空间和时间操作: 

介绍重新格网与插值技术

介绍选择地理区域

介绍时间序列分析方法

介绍统一不同模式输出数据的变量名、单位和坐标

5、机器学习框架与AI模型开发

介绍基于TensorFlow/PyTorch的机器学习模型构建

介绍AI模型在气候数据分析中的应用案例

介绍深度学习模型用于气候变量预测与模式识别

介绍高级数据分析流程: 

介绍特征工程与提取

介绍模型选择与评估

介绍结果解释与可视化

6、高性能计算与并行处理

介绍Python中的并行计算框架: 

介绍Dask:适用于大规模气候数据处理

介绍Multiprocessing:多核CPU优化

7、数据可视化与可解释性AI

介绍Python可视化工具深入应用: 

介绍Matplotlib基础与高级绘图

介绍Seaborn统计数据可视化

介绍Xarray集成可视化功能

介绍用AI技术提升数据可视化的可解释性

介绍I/O操作:读取和写入netCDF数据的最佳实践

介绍AI辅助复杂数据分析流程构建

专题四、基于AI的气候降尺度技术

1、降尺度基础与Delta方法的AI增强

介绍降尺度原理与研究意义

介绍经典Delta方法详解: 

介绍基本原理与计算流程

介绍应用Delta方法进行温度和降水的未来预测

介绍AI驱动的Delta方法优化: 

介绍自动化Delta降尺度脚本开发

介绍区域尺度应用案例

图片

2、统计订正方法的AI优化

介绍概率分布函数(PDF)订正基础: 

介绍PDF订正在气候数据降尺度中的应用原理

介绍区域尺度的PDF订正技术

介绍AI辅助概率密度函数订正: 

介绍智能化订正方案自动生成

介绍分位数映射方法的AI增强

介绍案例研究:区域降水的统计降尺度

图片

3、机器学习驱动的空间降尺度

介绍传统机器学习在降尺度中的应用: 

介绍特征工程、模型训练和评估流程

介绍集成机器学习模型(随机森林、XGBoost)

介绍AI辅助特征选择与超参数优化

介绍卷积神经网络(CNN)在空间降尺度中的应用: 

介绍CNN架构设计与训练

介绍超分辨率卷积神经网络(SRCNN)在气候数据中的应用

介绍利用AI大语言模型辅助构建和训练CNN模型

图片

4、深度学习高级降尺度技术

介绍生成对抗网络(GAN)在空间降尺度中的应用

介绍Transformer模型在时间序列降尺度中的应用

介绍深度学习模型案例研究: 

介绍温度数据的深度降尺度

介绍降水极端事件的高分辨率重构

介绍多变量协同降尺度技术

5、多模型集成与不确定性分析

介绍多算法集成的理论基础与优势

介绍基于AI的多模型集成方法: 

介绍集成策略设计与实现

介绍AI辅助权重分配

介绍贝叶斯模型在降尺度中的应用: 

介绍PyMC、Stan等贝叶斯推断框架

介绍贝叶斯推断的不确定性量化

介绍降尺度结果的不确定性评估方法

介绍可解释性AI在降尺度中的应用与案例分析

专题五、基于AI的动力降尺度

1、WRF模型与动力降尺度

介绍动力降尺度的原理、优势与局限性

介绍WRF模型介绍: 

介绍特点、适用范围和配置选项

介绍在区域气候模拟中的应用

介绍制备CMIP6的WRF驱动数据: 

介绍利用CDO处理GCM输出文件,生成WRF输入文件

介绍压力坐标系和sigma坐标系GCM数据的处理

介绍WPS(WRF Preprocessing System)处理流程

介绍AI辅助数据处理与WPS配置

2、WRF模式运行与后处理

介绍WRF模式的运行流程和参数设置

介绍模式调优与敏感性分析: 

介绍参数优化技术

介绍AI辅助参数选择策略

介绍WRF模式后处理技术: 

介绍变量提取与统计分析

介绍结果可视化与解释

介绍AI辅助WRF后处理和结果分析

专题六、气候变化的区域影响与AI评估

1、生物地球化学模型的AI改进

介绍传统BGC模型与AI的融合:

介绍参数优化

介绍机器学习替代复杂过程模块提高计算效率

介绍多模型集成降低系统偏差

介绍碳通量预测:

介绍基于CMIP6数据的区域碳循环模拟

介绍草地生态系统碳通量对极端干旱的响应

介绍湿地碳循环与气候变化的反馈机制

2、气候变化对水资源的影响

介绍AI驱动的蒸散发预测技术: 

介绍深度学习模型在蒸散发估算中的应用

介绍多源数据融合与精度提升

介绍区域差异性分析

介绍气候变化对极端降水事件的影响: 

介绍AI检测与归因方法

介绍不同排放情景下的洪涝风险评估

介绍基于深度学习的降水模式变化预测

3、气候变化对建筑物设计的影响

介绍基于AI的热指数预测: 

介绍城市热岛效应与人体舒适度分析

介绍微气候模拟与预测

介绍热胁迫风险评估

介绍采暖与制冷度日数的AI模型: 

介绍能源需求变化预测

介绍区域差异化分析

介绍多时间尺度预测方法

专题七、极端气候事件指数计算与分析

1、气候极值指数基础与计算

介绍CMIP6数据中气候极值指数的识别与提取:

介绍温度相关极值指数(热浪日数、霜冻日数、生长季长度)

介绍降水相关极值指数(连续干日、强降水日数、95百分位降水量)

介绍标准化指数(SPI、SPEI、PDSI)计算方法

介绍Python与Xarray实现气候指数计算:

介绍基于阈值的极端事件识别代码实现

介绍基于分位数的极端事件计算方法

介绍基于滑动窗口的持续性事件检测

2、CMIP6多模式集合的极端事件分析

介绍多模式集合的极端事件统计:

介绍模式间极端事件预测的差异与一致性

介绍极端事件频率变化的多模式集合分析

介绍不同SSP情景下极端事件强度的对比

介绍极端事件空间分布变化:

介绍热点区域识别技术

介绍区域尺度的极端事件变化趋势

介绍空间模式的主成分分析与解释

3、机器学习在极端事件分析中的应用

介绍分类算法在极端事件识别中的应用:

介绍随机森林识别极端事件前兆信号

介绍支持向量机分类极端事件类型

介绍聚类分析发现极端事件空间模式

介绍时间序列分析与预测:

介绍使用LSTM预测极端温度事件

介绍简单神经网络预测降水极值

介绍降维技术在极端事件模式提取中的应用

原文

相关文章:

【降尺度】AI+CMIP6数据分析与可视化、降尺度技术与气候变化的区域影响、极端气候分析

气候变化已成为全球性挑战,对农业、生态系统、水资源、人类健康和社会经济系统产生深远影响。科学研究表明,自工业革命以来,人类活动导致的温室气体排放与全球气温上升、极端天气事件增加、冰川融化和海平面上升等现象密切相关。为科学理解和…...

粒子系统优化完成

按计划对幻世(OurDream)2D图形引擎的粒子系统进行了加强和优化,重点强化了粒子运动的控制和颜色混合效果的功能,目前优化过后的粒子系统的整体效果是令人满意的。...

spark-core编程

RDD转换算子 RDD 的两种算子:转换算子和行动算子。 RDD 根据数据处理方式的不同将算子整体上分为 Value 类型、双 Value 类型和 Key-Value 类型。 算子实际上是一些函数,用于数据处理。 Value类型 map 将处理的数据逐条进行映射转换,…...

智慧班牌系统解决方案,SaaS智慧电子班牌云平台

智慧班牌系统解决方案 系统概述 智慧班牌是智慧校园建设不断发展的产物,是教育信息化改革的载体。通过智慧班牌可以高效便捷传递各种知识信息和通知信息、及时反馈课堂信息、实现班级的透明化管理。智慧班牌将学生平安考勤、异常出勤情况及时反馈至家长、老师&…...

Flutter 2025 Roadmap

2025 这个路线图是有抱负的。它主要代表了我们这些在谷歌工作的人收集的内容。到目前为止,非Google贡献者的数量超过了谷歌雇佣的贡献者,所以这并不是一个详尽的列表,列出了我们希望今年Flutter能够出现的所有令人兴奋的新事物!在…...

【开发工具】科研开发中的主流AI工具整理及如何使用GPT润色英文论文

一、主流AI工具 AI技术发展至今已经逐渐成熟,并可以取代一部分科研和开发中的简单工作,并为复杂工作提高辅助,除此之外也是更高级的信息检索工具。熟练掌握 AI 工具在当前市场理应具有竞争优势,目前笔者在科研和开发中接触过AI工…...

用excel做九乘九乘法表

公式: IF($A2>B 1 , 1, 1,A2 & “" & B$1 & “” & $A2B$1,”")...

nacos配置达梦数据库驱动源代码步骤

1.在父工程pom.xml添加依赖&#xff1a; <dependency><groupId>com.dameng</groupId><artifactId>DmJdbcDriver18</artifactId><version>8.1.1.193</version> </dependency> 2.在nacos-config模块pom.xml添加依赖&#xff1…...

Spring Boot 线程池配置详解

Spring Boot 线程池配置详解 一、核心配置参数及作用 基础参数核心线程数 (corePoolSize)‌ 作用‌:线程池中始终保持存活的线程数量,即使空闲也不回收‌。 建议‌:根据任务类型设定(如 I/O 密集型任务可设为 CPU 核心数 2)‌。 最大线程数 (maxPoolSize)‌ 作用‌:…...

如何使用 qrcode.react生成二维码

qrcode.react&#xff08;查看官网&#xff09; 是一个用于 React 应用的 QR 码生成组件。下面是如何使用它的详细指南&#xff1a; 1、安装 npm install qrcode.react # 或者 yarn add qrcode.react2、基本用法 import {QRCodeSVG} from qrcode.react;const myPage () >…...

用VScode来编写前后端——构建基础框架

前言 我写这一个板块的原因是我参加了我们学校的新生项目课&#xff0c;需要创立一个系统&#xff0c;我们小组选的标题的基于计算机视觉的商品识别系统&#xff0c;那么我们需要一个网站来展示我们的功能&#xff0c;故写这些来记录一下自己&#xff0c;大家如果有什么问题的话…...

23.OpenCV轮廓逼近与拟合

OpenCV轮廓逼近与拟合 在计算机视觉中&#xff0c;轮廓是图像中边界或形状的重要表达形式。然而&#xff0c;直接从图像中提取的轮廓常常包含大量冗余点&#xff0c;且噪声较多。为了更好地描述图像中的形状&#xff0c;我们通常需要对轮廓进行逼近和拟合&#xff0c;从而降低…...

Flutter Row / Column 组件详解

1. 引言 在 Flutter 中&#xff0c;Row 和 Column 是最常用的布局组件&#xff0c;用于在水平方向 (Row) 或垂直方向 (Column) 排列子组件。它们提供了强大的对齐方式、空间分配策略&#xff0c;适用于各种 UI 设计需求。本文将详细介绍它们的基本用法、主要属性及自定义样式。…...

WHAT - 表单场景 - 依赖联动

目录 示例场景技术栈示例代码功能点总结详情场景 - 依赖联动初始化示例说明&#xff1a;详情页场景&#xff08;含回显、联动&#xff09;修改点说明示例代码&#xff08;详情页&#xff09;总结一下关键点 下面是一个基于 React TypeScript Ant Design (antd) 的表单联动示例…...

SecProxy - 自动化安全协同平台

本人为甲方安全人员&#xff0c;从事甲方工作近6年&#xff1b;针对在甲方平时安全工作的一些重复、复杂、难点的工作&#xff0c;思考如何通过AI、脚本、或者工具实现智能且自动化&#xff0c;于是花平时空闲时间准备将这些能力全部集中到一个平台&#xff0c;于是有了这个东西…...

网络3 子网掩码 划分ip地址

1.根据子网掩码判断主机数 IP地址网络位主机位 核心&#xff1a;将主机位划分为子网位和主机位 疑问&#xff1a;子网位有什么作用 子网掩码&#xff1a;网络位全为1&#xff0c;主机位全为0 主机数2^主机位 -2 2.根据主机和子网判断子网掩码 有一个B类网络145.38.0.0需要划…...

电容详解:定义、作用、分类与使用要点

一、电容的基本定义 电容&#xff08;Capacitor&#xff09; 是由两个导体极板&#xff08;正负极&#xff09;和中间绝缘介质组成的储能元件&#xff0c;其基本特性为存储电荷。 公式&#xff1a; C Q / V C&#xff1a;电容值&#xff08;单位&#xff1a;法拉F&#xff09…...

Sublime Text for Mac v4.0 【注册汉化版】代码编辑器

Sublime Text for Mac v4.0 【注册汉化版】代码编辑器 一、介绍 sublime text for Mac一款轻量级的文本编辑器&#xff0c;拥有丰富的功能和插件。它支持多种编程语言&#xff0c;包括C、Java、Python、Ruby等&#xff0c;可以帮助程序员快速编写代码。Sublime Text的界面简洁…...

OpenCV 进阶实战与技巧——图像处理的全面解析

在上篇文章中&#xff0c;我们一起迈入了 Python OpenCV 的奇妙世界&#xff0c;学习了图像的读取、显示和保存等基本操作&#xff1a;用Python和OpenCV开启图像处理魔法之旅-CSDN博客。今天&#xff0c;我们将继续深入&#xff0c;探索图像的各种变换、滤波、边缘检测以及更深…...

单细胞转录组-生物标志物篇 | 从异质性描绘到筛查应用

宫颈癌&#xff08;Cervical cancer, CC&#xff09;是一种常见的妇科恶性肿瘤。尽管目前的筛查方法已被证明有效并显著降低了CC的发病率和死亡率&#xff0c;但仍然存在缺陷。单细胞RNA测序可以在单细胞分辨率下鉴定复杂和稀有的细胞群。通过scRNA-seq&#xff0c;已经绘制和描…...

MQTT:深入剖析 paho.mqtt.embedded - c - master 目录结构

引言 在嵌入式开发领域&#xff0c;消息队列遥测传输&#xff08;MQTT&#xff09;协议因其轻量级、低带宽消耗等特性被广泛应用。Eclipse Paho 项目提供了多种语言的 MQTT 客户端实现&#xff0c;其中paho.mqtt.embedded - c - master是针对 C 语言在嵌入式环境下的 MQTT 客户…...

minio命令行客户端mc常见用法

安装minio命令行客户端mc https://min-io.cn/docs/minio/linux/reference/minio-mc-admin.html # Windows安装minio命令行客户端 choco install minio-client -y# Linux安装mc客户端 wget -c -P /usr/local/bin/ https://dl.min.io/client/mc/release/linux-amd64/mc # 赋予可…...

Mac提示无法打开应用程序DBeaver

问题&#xff1a;安装好后&#xff0c;打开DBeaver时候提示“无法打开应用程序DBeaver” &#xff08;1&#xff09;首先&#xff0c;进入到/Applications/DBeaver.app/Contents/MacOS目录查看可执行程序的权限是否为-rwxr-xr-x&#xff0c;如果不是执行chmod x DBeaver的命令 …...

Dart逆向之函数调用

我们从Blutter恢复的部分IL中可以看到Dart调用函数的逻辑 // 0x180490: r16 <int> // 0x180490: ldr x16, [PP, #0x8a0] ; [pp0x8a0] TypeArguments: <int> // 0x180494: r30 Instance_MethodChannel // 0x180494: ldr lr, [P…...

Word / WPS 页面顶部标题 段前间距 失效 / 不起作用 / 不显示,标题紧贴页眉 问题及解决

问题描述&#xff1a; 在 Word 或者 WPS 里面&#xff0c;如果不是新的一节&#xff0c;而是位于新的一页首行时&#xff0c;不管怎么设置段前间距&#xff0c;始终是失效的&#xff0c;实际段前间距一直是零。 解决方案&#xff1a; 查询了很多方案均无法解决问题&#xff…...

在 ASP.NET Web 应用中解析 JSON 数据实例

在 ASP.NET Web 应用中解析 JSON 数据有多种方法&#xff0c;取决于你使用的是传统的 Web Forms、MVC 还是现代的 Web API。以下是几种常见的解析方法&#xff1a; 1. 使用 Newtonsoft.Json (Json.NET) 这是最常用的 JSON 处理库&#xff0c;需要先安装 NuGet 包&#xff1a;…...

vSphere 8.x Advanced Design(3V0-21.23)题库

最新版vSphere 8.x Advanced Design(3V0-21.23)题库&#xff0c;完整版见上方二维码。 Following a review of security requirements, an architect has confirmed the following requirements: REQ001- A clustered firewall solution must be placed at the perimeter of t…...

vba讲excel转换为word

VBA将excel转换为word Sub ExportToWordFormatted() 声明变量Dim ws As Worksheet 用于存储当前活动的工作表Dim rng As Range 用于存储工作表的使用范围&#xff08;即所有有数据的单元格&#xff09;Dim rowCount As Long, colCount As Long 用于存储数据范围的行数和列数…...

【BUG】远程连接阿里云服务器上的redis报错

出现 Redis Client On Error: Error: connect ECONNREFUSED 47.100.XXX.XX:6379 错误&#xff0c;表明 Redis 客户端无法连接到指定的 Redis 服务器&#xff0c;可按以下步骤排查解决&#xff1a; 1. 检查 Redis 服务器是否运行 操作&#xff1a;在 Redis 服务器所在终端执行…...

数据中台、BI业务访谈(二):组织架构梳理的坑

这是数据中台、BI业务访谈系列的第二篇文章&#xff0c;在上一篇文章中&#xff0c;我重点介绍了在给企业的业务部门、高层管理做业务访谈之前我们要做好行业、业务知识的功课。做好这些功课之后&#xff0c;就到了实际的访谈环节了。 业务访谈关键点 那么在具体业务访谈的时…...

集成学习+泰坦尼克号案例+红酒品质预测

集成学习简介 学习目标&#xff1a; 1.知道集成学习是什么&#xff1f; 2.了解集成学习的分类 3.理解bagging集成的思想 4.理解boosting集成的思想 【知道】集成学习是什么&#xff1f; 集成学习是机器学习中的一种思想&#xff0c;它通过多个模型的组合形成一个精度更高…...

SpringBoot 基础知识,HTTP 概述

1. 概述 1.1 Spring Spring 提供若干个子项目&#xff0c;每个项目用于完成特定功能 Spring 的若干个子项目都基于一个基础的框架&#xff1a;Spring Framework 框架类似于 房屋的地基 但 Spring Framework 配置繁琐&#xff0c;入门难度大 1.2 Spring Boot 于是&#xf…...

背包问题(java)实现

1、01背包 import java.util.Scanner;public class Main {public static void main(String[] args) {Scanner scannew Scanner(System.in);int nscan.nextInt();int mscan.nextInt();int[][] dpnew int[n1][m1];int[] vnew int[n1];int[] wnew int[n1];for(int i1;i<n;i) {v…...

HDCP(一)

HDCP的核心目标解析 1. 数字内容版权保护 HDCP&#xff08;高带宽数字内容保护&#xff09;的核心目标是防止未经授权的设备对高清音视频内容进行非法复制或截取。它通过加密技术保护数字信号在传输链路&#xff08;如HDMI、DisplayPort、DVI等接口&#xff09;中的安全性&am…...

HTTP 1.0 时代,第一次优化

HTTP 是 “HyperText Transfer Protocol” 的缩写&#xff0c;即超文本传输协议。 相较于最初的设计&#xff0c;1.0增加了以下特性&#xff1a; 增加head&#xff0c;post等新方法。 引入新方法是为了扩充语义&#xff0c;其中 head 方法可以只拿元信息&#xff0c;不必传输…...

【吾爱出品】[Windows] 鼠标或键盘可自定义可同时多按键连点工具

[Windows] 鼠标或键盘连点工具 链接&#xff1a;https://pan.xunlei.com/s/VONSFKLNpyVDeYEmOCBY3WZJA1?pwduik5# [Windows] 鼠标或键盘可自定义可同时多按键连点工具 就是个连点工具&#xff0c;功能如图所示&#xff0c;本人系统win11其他系统未做测试&#xff0c;自己玩…...

计算机网络起源

互联网的起源和发展是一个充满创新、突破和变革的历程&#xff0c;从20世纪60年代到1989年&#xff0c;这段时期为互联网的诞生和普及奠定了坚实的基础。让我们详细回顾这一段激动人心的历史。 计算机的发展与ARPANET的建立&#xff08;20世纪60年代&#xff09; 互联网的诞生…...

Vue3 watch 与 watchEffect 深度解析

Vue3 watch 与 watchEffect 深度解析 一、响应式监听的基石作用 在Vue3的响应式系统中&#xff0c;watch和watchEffect是构建复杂状态逻辑的关键工具。它们实现了对响应式数据的精准监听&#xff0c;支撑着现代前端开发中的状态管理、副作用处理等核心功能。 1.1 演变 Optio…...

服务器信息收集

信息收集又叫打点&#xff0c;打仗也要侦探敌情&#xff0c;攻防更是如此。 但要获取哪些信息呢&#xff1f; 目录 一. 获取公网IP 如何知道一个网站用了CDN&#xff1f; 如何绕过CDN&#xff1f; 二. 旁站信息收集 三. C段主机查询 四. 子域名信息收集 五. 端口信息收…...

Java设计模式之装饰器模式:从入门到架构级实践

一、开篇&#xff1a;为什么需要装饰器模式&#xff1f; 在软件开发中&#xff0c;我们经常面临这样的困境&#xff1a;如何在不修改原有对象结构的情况下&#xff0c;动态地扩展对象的功能&#xff1f;当系统需要为对象添加多种可能的扩展功能时&#xff0c;如果直接使用继承…...

Vue3性能优化全攻略:从原理到极致性能实战

一、性能瓶颈深度诊断 1.1 关键性能指标分析 1.2 性能剖析工具矩阵 工具类型典型工具适用场景检测维度综合检测工具Lighthouse首屏加载性能分析加载评分/优化建议运行时监控工具Web Vitals页面交互性能监控FCP/LCP/TTI等框架专项工具Vue Devtools组件渲染性能分析渲染耗时/更…...

阿里云 AI 搜索开放平台:从算法到业务——AI 搜索驱动企业智能化升级

——已获知乎作者【GitHub Daily】授权转载 目前大模型的强大能力&#xff0c;使其成为一些企业和行业的主要创新驱动力&#xff0c;企业亟需重新审视和调整现有的创新机制&#xff0c;以适应AI技术和大数据的快速发展。目前很多企业已经开始尝试大模型在业务中进行赋能&#x…...

特权FPGA之AT24C02 IIC实现

0 简介 IIC的物理层 IIC一共有只有两个总线&#xff1a; 一条是双向的串行数据线&#xff33;&#xff24;&#xff21;&#xff0c;一条是串行时钟线&#xff33;&#xff23;&#xff2c;. SDA(Serial data)是数据线&#xff0c;D代表Data也就是数据&#xff0c;Send Data …...

Docker 容器内运行程序的性能开销

在 Docker 容器内运行程序通常会有一定的性能开销&#xff0c;但具体损失多少取决于多个因素。以下是详细分析&#xff1a; 1. CPU 性能 理论开销&#xff1a;容器直接共享宿主机的内核&#xff0c;CPU 调度由宿主机管理&#xff0c;因此 CPU 运算性能几乎与原生环境一致&…...

SpringBoot依赖冲突引发的 log4j 日志打印问题及解决方法

依赖冲突引发的 log4j 日志打印问题及解决方法 在软件开发过程中&#xff0c;依赖管理是至关重要的一环。然而&#xff0c;时常会遇到依赖冲突的情况&#xff0c;其中就包括影响日志框架正常使用&#xff0c;比如因依赖冲突导致无法正常打印 log4j 日志的问题。 问题描述 当…...

MacOS中的鼠标、触控板的设置研究

一、背景和写这篇文章的原因 想搞清楚和配置好鼠标&#xff0c;比如解决好为什么我的滚动那么难用&#xff1f;怎么设置滚轮的方向跟windows相同&#xff1f;调整双击速度&#xff0c;调整鼠标滚轮左右拨动的"冷却时间"。 二、各种设置之详细解释 1. MacOS设置 -&…...

Clickhouse试用单机版部署

问题 最近需要试用clklog数据收集的社区版&#xff0c;clklog用数据库是Clickhouse。这就需要我先单机部署一个Clickhouse数据库&#xff0c;先试用试用。 步骤 这里假设我们已经拥有一台Ubuntu的服务器了&#xff0c;现在我们需要在这台机器上面安装Clickhouse数据库。Clic…...

【运维 | 硬件】服务器中常见的存储插槽类型、对应的传输协议及其特性总结

Why&#xff1a;最近更换设备&#xff0c;具体了解一下。 传输协议对比 协议 底层接口 最大带宽 队列深度 典型延迟 适用场景 AHCI SATA 6 Gbps (~600 MB/s) 单队列&#xff08;32命令&#xff09; 较高 传统 HDD/SATA SSD SAS SAS 24 Gbps (~2.4 GB/s) 单队列&…...

本地laravel项目【dcat-admin】部署到liunx服务器

文章目录 前言一、部署流程1、数据库搬迁2、宝塔创建网站&#xff0c;配置php3、修改nginx配置4、在public目录设置软连接5、修改env配置、刷新缓存 二、其他问题1.后台登陆失败问题2.完美解决接口跨域问题 总结 前言 laravel新手记录 差不多一个月&#xff0c;总算用laravel…...

DeepSeek:AI如何重构搜索引擎时代的原创内容生态

一、当生成式AI遇上搜索引擎&#xff1a;一场效率与价值的博弈 2023年&#xff0c;全球搜索引擎处理了超过2万亿次查询&#xff0c;其中超40%涉及复杂问题解答。而与此同时&#xff0c;Google的"Helpful Content Update"算法升级直接淘汰了26%的低质AI生成页面。这场…...