请问要是从网上下了个论坛原程序以后，怎样打开呢？（我打总开有问题）

nnit 2001-07-17 11:56:27

我在打开的时候，总被提示要下载某个asp文件，可是那个东西已经有了啊。。。
反正我用ie老是打不开，怎么办？

...全文

141 7 打赏收藏转发到动态举报

写回复

用AI写文章

7 条回复

切换为时间正序

请发表友善的回复…

发表回复

MarsChen 2001-07-19

打赏
举报

pws装了，可是你启动了么？

nnit 2001-07-18

打赏
举报

我该怎么办
请大虾帮帮忙啊

freezwy 2001-07-18

打赏
举报

估计是数据源的问题，根据页面里的东西配置数据库连接，同时，注意版本，就是如果是W2000最好用ACCESS2000。

nnit 2001-07-18

打赏
举报

pws我已经装了，但却还有这样的提示，而且我也拷贝到inetpub\wwwroot下了

MarsChen 2001-07-18

打赏
举报

你机器上的IIS或PWS配置好了么？
把论坛程序拷到 inetpub\wwwroot 目录下

tripofdream 2001-07-18

打赏
举报

你要有PWS或IIS

homerocker 2001-07-18

打赏
举报

你用的是http://localhost/的服务器路径还是绝对路径，如果是绝对路径就错了

内容概要：本文详细介绍了一种基于ARIMA-LSTM混合模型的电动汽车（EV）充电负荷预测方法，结合MATLAB实现。该模型利用ARIMA捕捉充电负荷中的线性趋势与周期性成分，通过差分平稳化和自回归滑动平均建模，提取时间序列的主导线性结构；同时利用LSTM对ARIMA残差中的非线性扰动进行学习，弥补传统统计模型在应对节假日、天气变化、用户行为突变等方面的不足。项目涵盖数据清洗、异常值处理、标准化、模型训练、残差补偿、结果融合与评估全流程，并提供了完整的代码示例，实现了高精度、鲁棒性强的短期负荷预测。该方法在提升预测准确性的同时，增强了对复杂现实场景的适应能力。; 适合人群：具备一定时间序列分析基础和MATLAB编程能力的科研人员、电气工程与智能电网领域研究生、从事新能源汽车充电设施运营与规划的工程师；也适用于希望掌握混合预测模型构建流程的学习者。; 使用场景及目标：①应用于城市充电站、区域配电网或企业园区的短期充电负荷预测，支撑功率调度与设备管理；②为车网互动（V2G）、需求响应、储能协同控制等智能电网应用提供数据基础；③作为教学案例帮助理解ARIMA与LSTM融合建模的思想与工程实现路径。; 阅读建议：此资源以实际项目为导向，建议读者结合提供的MATLAB代码逐段运行调试，重点关注数据预处理逻辑、ARIMA参数设定依据、LSTM输入构造方式以及结果反标准化过程。在学习过程中应尝试调整模型参数（如窗口大小、网络结构、训练轮数），对比不同配置下的MAE、RMSE、R²等指标变化，深入理解混合模型的优势与调优策略。

对 NIST 国家漏洞数据库管理的评估.pdf

内容概要：本研究聚焦于热电联产系统的经济调度问题，提出了一种结合粒子群优化（PSO）与二进制遗传算法（BGA）的混合智能优化方法，并通过Matlab平台实现了完整的仿真代码。该方法充分利用粒子群算法的快速收敛性和遗传算法的全局搜索能力，有效解决了热电联产系统中机组组合与出力分配的复杂非线性优化问题。研究考虑了系统运行成本最小化、能源利用效率最大化以及环境排放约束等多重目标，构建了完整的数学模型，并通过仿真实验验证了所提算法在寻优精度、收敛速度和鲁棒性方面的优越性能。该资源不仅提供了可直接运行的Matlab代码，还包含了详细的算法流程说明和案例分析，便于读者深入理解和复现。; 适合人群：具备一定Matlab编程基础和优化算法知识的理工科研究生、科研人员以及从事电力系统、能源系统优化调度工作的工程师。; 使用场景及目标：① 学习和掌握混合智能优化算法（PSO与GA）在复杂工程优化问题中的设计与应用；② 复现和改进热电联产（CHP）或综合能源系统的经济调度模型；③ 作为毕业设计、科研项目或实际工程项目的技术参考与代码基础。; 阅读建议：此资源以Matlab代码实现为核心，因此在学习过程中应重点研读代码逻辑，结合算法原理进行调试和分析。建议读者先理解热电联产系统的物理模型和调度问题的数学建模，再逐步剖析算法的实现细节，并尝试修改参数、调整算例或引入新的约束条件，以深化对优化算法和能源系统调度的理解。

【多变量输入单步预测】基于减法优化器算法(SABO)优化CNN-BiLSTM-Attention的风电功率预测研究（Matlab代码实现）

已经博主授权,源码转载自 https://pan.quark.cn/s/4da38e3d50a8 在本指南中，我们将详细研究利用MATLAB 2020进行图像处理的技术，重点聚焦于在复杂背景环境下苹果轮廓的精确提取。此案例将揭示MATLAB在图像解析及机器视觉领域的卓越性能，使我们能够从视觉材料中精准地辨识并分离出苹果的轮廓形态。图像处理的核心流程涵盖图像获取、数据前置处理、关键特征抽取以及轮廓识别等环节。在MATLAB环境中，用户可借助`imread`指令来导入图像数据。面对复杂背景情形，数据前置处理具有决定性意义，它有助于削减背景杂讯，强化目标对象的显现度。前置处理技术可能包含灰度转换（`rgb2gray`应用）、二值化处理（`imbinarize`实施）以及噪声抑制（例如采用`bwareaopen`或`medfilt2`执行中值滤波）。在图像经过数据前置处理后，可运用边缘探测方法来定位苹果的轮廓线条。MATLAB提供了多样化的边缘探测技术，例如Canny、Sobel以及Prewitt等算法。在此过程中，可能会调用`edge`函数，如`edge(image,Canny)`，借助Canny算法识别图像中的边缘部分。随后，我们需要识别连续的边缘像素点，从而构建成封闭的轮廓。这一步骤可通过`bwlabel`和`regionprops`函数完成。`bwlabel`负责标记连通区域，而`regionprops`则能够获取区域属性，例如区域面积、周长和边界框等数据。通过审视这些属性特征，我们可以筛选出符合特定标准的苹果区域。针对苹果的识别任务，我们可能需要进一步优化轮廓细节，例如通过膨胀（`imdilate`）和腐蚀（`imerode`）手段来平滑轮廓边界并排除微小的噪声点。同时...

ASP

28,404

社区成员

356,946

社区内容

发帖

与我相关

我的任务

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章