pb9.0 freeForm窗口打印问题

zhaodonglei 2010-01-16 01:58:11
程序功能:实现学生信息的详细打印,每一页纸对应一个学生信息
问题:无论dw_1里有多少条记录,都只打印一条记录
程序代码:
代码说明:dw_1是学生信息的grid型数据窗口,dw_2是freeform型数据窗口
For ll_i = 1 to dw_1.rowcount()
ll_find = dw_2.insertrow(0)
dw_2.Object.t_title.Text = '学生详细信息'
dw_2.object.name[ll_find] = dw_1.object.name[ll_i]
dw_2.object.sex[ll_find] = dw_1.object.sex[ll_i]
Next
/*设置打印机*/
if PrintSetupPrinter() = 0 then
return
end if
long Job
/*开始打印*/
Job = PrintOpen( )
dw_2.object.datawindow.print.page.range = "1"
if PrintDataWindow(Job, dw_2)= 1 then
MessageBox('提示信息', '打印成功')
else
MessageBox('提示信息', '打印失败')
return
end if
PrintClose(Job)
...全文
132 2 打赏 收藏 转发到动态 举报
写回复
用AI写文章
2 条回复
切换为时间正序
请发表友善的回复…
发表回复
jlwei888 2010-01-16
  • 打赏
  • 举报
回复
dw_2.object.datawindow.print.page.range = "1"

唉,你指定了打印页! 所以只能打第1页!
jlwei888 2010-01-16
  • 打赏
  • 举报
回复
直接DW_2.print()呢
内容概要:本文围绕基于CNN-BiLSTM-Attention混合神经网络模型的电力负荷预测展开研究,提出一种结合卷积神经网络(CNN)、双向长短期记忆网络(BiLSTM)与注意力机制(Attention)的深度学习框架,并通过Python代码实现高精度的短期与超短期负荷预测。该模型充分利用CNN对局部特征的提取能力,捕捉负荷数据中的周期性与趋势性模式;借助BiLSTM对时间序列前后向依赖关系的建模能力,增强对动态变化的感知;并通过Attention机制自适应地聚焦关键历史时刻,提升预测准确性。文中详细阐述了数据预处理、模型结构设计、训练流程及超参数调优方法,并在真实负荷数据集上进行了实验验证,结果表明该混合模型相比传统单一模型和其他基准模型具有更优的预测性能,尤其在应对非线性、非平稳负荷波动方面表现突出。; 适合人群:具备一定Python编程能力和机器学习基础,从事电力系统分析、能源管理、智能电网或时序预测相关工作的科研人员、工程师及高校研究生。; 使用场景及目标:①应用于电网调度、电力市场出清、需求响应管理等场景下的精细化负荷预测;②为研究人员提供一套完整的、可复现的深度学习负荷预测代码框架,推动AI技术在能源领域的落地应用;③帮助理解CNN、BiLSTM与Attention模块之间的协同机制及其在时序建模中的集成方式。; 阅读建议:建议读者结合所提供的Python代码进行动手实践,重点掌握数据归一化、滑动窗口构造、模型搭建与训练技巧,并尝试在不同地区、不同季节的负荷数据上进行迁移测试,以深入理解模型泛化能力与调参策略。

611

社区成员

发帖
与我相关
我的任务
社区描述
PowerBuilder DataWindow
社区管理员
  • DataWindow社区
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧