描述 为更好地利用沅江干热河谷生态站气象资料，利用标准气象观测场开展常规气象要素的长期定位观测，监测的气象监测数据为2011年7月至2020 年 12 月进行了分类、质量控制和评估。气象数据集包括气温、湿球温度、露点温度、相对湿度、水汽压、总云量、日照时数、规律降水、蒸发量、气压、风速风向、土壤等12个数据表温度。以日规模（8:00、14:00、20:00）数据文件为主，数据完整率99%以上，。 引用：SUN CHENNA, YANG DAXIN, SONG QINGHAI, et al. An observation dataset of meteorology at Yuanjiang Dry-hot Valley Ecological Station, Yunnan Province (2011 - 2020)[DS/OL].

立足于绿洲农田生态系统,采用人工神经网络方法对潜热通量数据进行模拟和插补。根据作物生长季分阶段模拟,对比整体模拟结果,发现分阶段模拟效果(R2=0.91～0.95,RMSE=28.9～41.3W/m2,MAE=21.3～28.8W/m2)优于整体模拟效果(R2=0.87～0.92,RMSE=39.6～50.7W/m2,MAE=27.6～34.9W/m2)。通过模型网络连接权值对各阶段环境因子的相对贡献率作了定量分析,并从数学统计的角度对研究区蒸散发环境因子影响机理进行了分析。结果表明为了提高潜热通量的插补

IPERF专业测速工具（开源）含图形直观图观测java程序。 内含：（iperf2.0.x） 1）开源linux程序（可直接在linux机器编译make即可，方便调测） 2）开源arm linux程序（已经修改编译器为arm-linux-gcc，如果不合适可另行 ./configure xxx或自行修改makefile，可开发板调测） 3）windows版本的iperf.exe 4）一套基于iperf.exe报文分析的UI直观图java小应用，方便观测曲线变化（需要java虚拟机环境，请另行安装） 物超所值，这个再需要时非常重要，请需要的朋友下载（分值设的较大，真正需要监控速度、性能、带宽、驱动速率等问题时用，不要枉扣分）。 应用场景： windows linux 开发板 三者之间任意测速（client、server端均有数据，一般观察client端的曲线变化）

基于扰动观测器的具有不匹配扰动的非线性系统的扰动抑制

为降低随机观测矩阵在压缩感知应用中所需的存储空间，提升大尺寸图像重构的实时性，提出一种半张量积压缩感知方法。利用该方法构建低阶随机观测矩阵，对原始信号进行全局采样，随后将测量值进行分组处理并采用l

基于深度学习的转矩及MTPA点的预测 数据模型和采集的数据在数据库中，可以自行下载 深度模型由tensorflow+keras 搭建，其中模型的架构参考网上的的这个模型是用tensorflow编写的，代码读起来比较复杂，所以用keras进行改编。 推荐一个深度学习的社区 里面的深度学习的详细教程。 代码包括 基于LSTM预测电机转矩 基于CNN预测电机MTPA点 基于CNN的预测电机转矩 基于LSTM预测电机MTPA点

标准的GNSS观测文件RINEX格式的O文件实例，可用于相关领域人员入门使用。 文件来源于IGS发布的观测文件，是完全的标准数据，可用于程序的测试等用途。

以GRACE卫星计划为范例。通过数值方法建立SST观测量与地球引力位的关系式，为后续反演地球重力场数值算法的实现建立基础。

常规气象观测报文——高空报示例。包含24个TTAA-TTDD，及PPAA——PPDD的原始报文。

4.6离散化线性系统保持能控性和能观测性的条件 设连续时间线性时不变系统 对应的时间离散化系统 其中G=eAT H= A的特征值 结论12 如果连续系统（A、B、C）不能控（不能观测），则对任意采样周期T离散化后的系统（G、H、C）也是不能控（不能观测）的。 证明 用反证法 设连续系统不能控，而对于某采样T离散化后的系统却是能控的。则 rank[H、GH、G2H、…Gn-1H]=n 1/3,27/45