20210629-头豹研究院-物联网行业2021年中国物联网指数系列报告一：物联网概览，万物互联路在何方.pdf

简介 百度迁徙 ：百度迁徙 不多逼逼，相关的自己了解。趁这几天比较好抓取数据，需要的数据就赶紧抓抓抓。 效果展示 本文的数据主要是来自百度迁徙里面的迁徙规模指数，如下图。 本文提供的代码可以批量抓取数据，如抓取所有城市级别的迁入规模指数放进一个表格里，迁出规模指数放进另一个表格里，这样。或者你也可以设定抓取所有省份级别的数据。如下图，我分别按全国级别、省份级别、城市级别抓取，共获得五个表格，为什么是五个呢，因为全国的数据没有分迁入迁出，按照百度迁徙的说法是“全国为总体迁徙规模，不区分迁入或迁出”。当然也可以通过自定义字典来抓取你想要的城市，具体可参考第三部分“准备——城市编码”。 先展示一

2012-2018

基于指数趋近律的滑模轨迹跟踪控制(对象二自由度机械臂)，matlab/simulink仿真程序

二自由度机器人迭代指数变增益PD型轨迹跟踪控制，matlab/simulink仿真程序

中国西南地区历年月度干旱指数（1951-2016）和8天频率土壤湿度（2007-2016）数据集覆盖的区域为中国西南地区，其范围包括：四川省、重庆市、云南省、贵州省与广西壮族自治区，面积136.23万km²。该数据集是在scPDSI（self-calibrating Palmer Drought Severity Index）数据（University of East Anglia）和ASCAT（Advanced SCATterometer）数据（European Space Agency Climate Change Initiative, ESA CCI）基础上，进行区域统计分析和标准化处理得到。该数据集包括中国西南地区以下数据：（1）1951-2016年scPDSI干旱指数年际变化趋势数据；（2）1951-2016年月度scPDSI干旱指数数据；（3）2007-2016年8天频率主动微波遥感土壤湿度百分比数据；（4）2007-2016年8天频率标准化CCI土壤湿度时间序列数据。数据集存储为.tif和.xls数据格式，.tif数据的空间分辨率为0.5

浪潮 IDC合作，2020年全球计算力指数

指数与基金.csv

概述 这是用于计算标准降水指数 (SPI) 的 Python 实现。 这是识别干旱的关键指标之一。 有关 SPI 与 SPEI 的相对优点的有用讨论，请参阅 [NCAR 的气候数据指南] ( )。 这些函数松散地基于 Santiago Beguería 和 Sergio M. Vicente-Serrano。 关于SPI和SPEI的论文很多。 我发现最清楚地描述算法的论文是：Lloyd-Hughes、Benjamin 和 Mark A. Saunders。 “欧洲干旱气候学。” 国际气候学杂志 22.13 (2002): 1571-1592。 这篇论文包含在 docs 文件夹中。 关于哪种分布适合历史数据，文献中有一些共识。 对于仅降水数据 (SPI)，建议使用 Gamma 分布。 这是 SPI 函数中的默认分布。 但是，用户可以选择自己的发行版（请参阅注释）。 当前的实现允许用

20210627-中泰证券-波动择时和技术分析周报（210627）：券商信号强势、指数或共振突破超预期.pdf