- 综合排序
- 最热优先
- 最新优先
- 来自专栏APP开发
WebGL 开发数据孪生项目
WebGL 开发数据孪生项目（如工业设备仿真、城市数字孪生、能源系统监控等）的核心目标是 “高保真、低延迟、强交互” 地呈现三维空间中的实时数据映射与动态分析。 大规模三维场景的高性能渲染（1）海量几何体与纹理的实时加载问题：数据孪生场景常包含复杂建筑模型（如工厂车间、城市建筑群）、精细设备结构（如机械零件、管道网络）或地形地貌（如地形起伏、植被分布），几何体面数可能达百万级 实时数据与三维模型的动态绑定（1）多源异构数据的接入与解析问题：数据孪生需融合多种数据源（如 IoT 传感器实时数据、SCADA 系统工业数据、GIS 地理信息、业务系统数据库），数据格式多样（JSON 跨平台兼容性与性能适配（1）不同硬件设备的性能差异问题：数据孪生项目需在 PC（高端显卡）、平板（中端 GPU）、手机（低端 GPU）甚至 VR 设备上运行，但低端设备的 WebGL 支持有限（如不支持 三、总结WebGL 数据孪生项目的核心难点在于 “用有限的计算资源（GPU/CPU）实现无限的数据复杂度” ，需要开发者平衡 渲染性能、数据实时性、交互体验与跨平台兼容性 。
31810编辑于 2025-09-12 - 来自专栏Vincent-yuan
孪生素数
题目描述 所谓孪生素数指的是间隔为2的相邻的素数，他们之间的距离已经近得不能再近了，就像孪生兄弟一样，最小的孪生素数是（3，5），在100以内还有（5,7），（11,13），（17,19），（17,19 但随着数字的增大，孪生素数的分布越来越稀疏，寻找起来也变得困难，那会不会在超过某个界限之后就再也没有孪生素数了呢？ 孪生素数有无穷多个！ 这个猜想称为孪生素数猜想，但至今没有被严格证明，但借助计算机我们已经确实可以找到了任意大范围内的所有孪生素数对。 接下来你的任务就是计算不大于n的范围内的孪生素数对的个数！ 除此以外，大于2的偶数很明显并不是素数,我们可以默认只处理奇数，同理3的倍数也不是素数，我们也可以在将它们排除在外， 排除这两个数的倍数不予处理之后，我们的数组大小可以继续缩小1/3（约4M左右），处理的数据量也减少到原来的 之间，不是2和3倍数的只有7（6+1）和11（6+5），12-17之间，只有13（6*2+1）和（6*2+5）， 只有6*n+1和6*n+5的数不能被2或者3整除，才可能为素数，因此，我们把需要处理的数据初始化为
1.2K50发布于 2020-07-01 - 来自专栏sktj
Kubernetes(9:数据)
作用是在Pod中共享数据 创建Pod，volumeMounts ? image.png emptyDir是Host上创建的临时目录，其优点是能够方便地为Pod中的容器提供共享存储，不需要额外的配置。
41520发布于 2019-09-24 - 来自专栏mysql
hhdb数据库介绍(9-9)
高可用服务读写分离计算节点支持读写分离功能，并且支持配置读写分离权重读写分离功能说明要使用读写分离功能，需在数据节点中配置主备存储节点。读写分离功能默认设置为关闭。 -- 不开启读写分离：0；可分离的读请求发往所有可用数据源：1；可分离的读请求发往可用备数据源：2；事务中发生写前的读请求发往可用备数据源：3--><property name="weightForSlaveRWSplit strategyForRWSplit参数为1时可设置主备存储节点的读比例，设置备存储节点读比例后<em>数据</em>节点下的所有备存储节点均分该比例的读任务。 strategyForRWSplit参数为2时<em>数据</em>节点上的所有可分离的读任务会自动均分至该<em>数据</em>节点下的所有备存储节点上，若无备存储节点则由主存储节点全部承担。 用户级别的读写分离可通过管理平台创建<em>数据</em>库用户页面添加用户或编辑用户开启用户级别的读写分离。
23110编辑于 2024-11-29 什么是“活孪生”，它与数字孪生和视频孪生二者有哪些关联
活孪生"技术是数字孪生领域的重要发展方向，它综合了高效的建模技术、实时的视频融合、智能的数据分析以及精确的仿真推演。这一概念不仅能够解决传统数字孪生的局限性，还能为客户提供更大的价值。 数字孪生技术的演进: 从"死孪生"到"活孪生"传统的数字孪生，尤其是城市级别的数字孪生，常被称为"死孪生"。这一称呼主要源于以下原因:1. 高昂的建模成本；2. 模型数据更新频率低；这些因素导致传统数字孪生难以实时反映现实场景的变化，大大限制了其应用范围和效果。 为了解决这些问题，智汇云舟提出了"视频孪生，即视频+数字孪生"的概念，是对数字孪生的创新升级，这可以视为初步的"活孪生"。视频孪生旨在实时反映现实场景的变化，是对传统数字孪生的重要补充。 中国互联网协会数字孪生技术工委会副主任委员、智汇云舟创始人兼总裁周舟女士表示：智汇云舟作为国内数字孪生头部企业且一直在视频孪生这个技术主线上深耕，视频孪生能实时反映现实场景的变化，它解决了数字孪生偏静态可视化的问题
14010编辑于 2025-10-27- 来自专栏解决方案
智能制造数字孪生最佳交付实践：打造数据融合×场景适配×持续迭代的数字孪生框架
然而，数字孪生的交付实践往往面临数据孤岛、场景适配性差、模型僵化等挑战。山东融谷信息提出"数据融合-场景适配-持续迭代"三位一体框架，结合典型行业案例，系统阐述智能制造场景下数字孪生的最佳交付实践。 一、数据融合：构建数字孪生的数字底座1、多源异构数据治理体系数字孪生的生命力源于数据。 三、持续迭代：构建数字孪生自优化闭环1、模型进化机制建立"数据驱动-物理校验-知识沉淀"的迭代循环：在线学习：通过TensorFlow Extended实现模型增量训练物理验证：数字孪生预测值与实际生产数据的误差阈值控制 ，建立数字主线2、生态协同模式技术联盟：与各大厂商共建联合实验室产学研合作：高校提供仿真算法支持（如大学的工业大数据实验室）客户共创：建立数字孪生体验中心，迭代需求结语：数字孪生的未来进化方向随着5G+ 企业需要构建数据融合的基础设施、打造场景适配的解决方案库、建立持续迭代的进化机制，三位一体形成数字孪生的交付能力飞轮。这不仅是技术实施问题，更是组织变革与管理创新的系统工程。
70700编辑于 2025-08-13 - 来自专栏技术集锦
练习9—数据计算
题目 写一个简单的函数实现下面的功能：具有三个参数，完成对两个整型数据的加、减、乘、除四种操作，前两个为操作数，第三个参数为字符型的参数。 ; } 说明 注意switch-case语句中case处的数据类型，因为设定了变量c为char类型，所以需要使用 c = input.next().charAt(0) 语句接收用户键盘上的单个字符输入
30720编辑于 2022-06-03 - 来自专栏数据结构与算法
1020 孪生蜘蛛
1020 孪生蜘蛛 时间限制: 1 s 空间限制: 128000 KB 题目等级 : 黄金 Gold 题目描述 Description 在G城保卫战中，超级孪生蜘蛛Phantom001和Phantom002 std; 5 const int MAXN=10001; 6 const int maxn=0x7fffffff; 7 int map[MAXN][MAXN]; 8 int main() 9
82350发布于 2018-04-12 - 来自专栏高速公路那点事儿
【孪生数字系统】高速公路数字孪生系统简介
基于这个政策的理解与响应，大家开展了许多高速公路数字孪生系统的研究，我们也看到，数字孪生系统最近两年从示范高速开始走向了普通高速。 我们先看看，数字孪生公路系统如何定义？ 目前数字孪生的技术路线和展现形式包括二维孪生展示和三维孪生展示两种： 一、二维孪生展示 对现实世界中车辆及行人基于道路2D地图进行实时重建，构建数字孪生高速公路。 一般的展现形式如下： 此类系统就是性价比高，可快速完成数字孪生系统建设和落地。缺点就是不够真实，有些环境、基础设施、行人等不能孪生展示。 二、三维孪生展示 目前大家默认数字孪生是基于三维建模实现的。 3）对于交通规划和决策来说，它可以基于真实数据进行分析和模拟，为新的建设项目、改造方案等提供科学依据，降低决策风险，这个是将传统二维仿真通过三维来构建仿真。 虽然数字孪生从展示上带来震撼的效果，但是目前性价比不够。
46310编辑于 2025-07-03 - 来自专栏资讯分享
数字孪生与生成式AI融合，加速认知孪生进化
数字孪生：“可视、可算和可用”的价值数据显示，2022-29年数字孪生中国市场规模年均增速达42%，已成为工业、航空航天、交通、能源等行业数字化转型的核心支撑技术。 用一句话来概括，实时数据驱动的仿真才是数字孪生；此外，数字孪生要和VR、AR、MR等3D数字媒介区分开来，XR为数字孪生提供了非常好的交互体验，同时数字孪生又是XR的内容基础。 苏奎峰认为，AI技术尤其是AIGC技术提升数字孪生能力主要体现在5个方面：工作机理模型和三维模型构建、实时数据驱动的模型更新、生成式模型增强、数据分析、仿真预测以及智能决策。 同时采用AIGC技术还可以创造出更多的合成数据，尤其是一些敏感或高安全领域的的数据和长尾数据，从而填补真实数据中的缺口，提升孪生模型精度；AIGC可以快速产生多种设计和运行方案，让工程师或决策者从中选择最优解 首先，数字孪生模型可以提供大量高质量、结构化的数据，这对于训练AIGC模型，特别是需要大量数据的模型如GANs，非常有价值；其次，数字孪生为AIGC提供了一个无风险、高逼真的验证环境，可以尝试和测试新的策略或方法
1.5K00编辑于 2023-10-31 数字孪生与视频孪生：工业系统平台的范式跃迁
一、技术定义与本质区别1、核心定位不同数字孪生工业系统：传统的数字孪生系统更像是工业设备的“CAD模型”或“监控室”。它通过传感器数据实时更新三维模型，实现对物理资产的可视化监控与仿真分析。 2、数据来源与映射方式的差异传统数字孪生：主要依赖工业协议（如OPCUA、MQTT）和传感器数据（温度、压力、流量等）进行物理量的数字化。 这种能力是传统数字孪生所不具备的认知跃迁。2、交互方式的变革传统数字孪生：交互主要是“指令式”的。操作员可以点击模型查看数据，但模型本身是被动的。视频孪生：交互是“对话式”的。 三、应用场景与价值对比1、场景适配性数字孪生：更适合于结构化的、设备状态明确的场景，如风电机组的预测维护、发电机组的寿命评估等。它擅长处理基于物理方程和历史数据的预测性分析。 传统数字孪生为视频孪生提供了结构化的底座（BIM/CAD模型和数据结构），而视频孪生则为数字孪生注入了“生命力”——实时感知和智能思考。
16000编辑于 2026-03-17- 来自专栏CSDN搜“看，未来”
数据结构（9）-- 跳表
文章目录 跳表 跳表的搜索 跳表的插入 抛硬币 跳表的删除 跳表的代码实现 跳表数据结构 初始化跳表 插入节点 删除节点 销毁跳表 为什么Redis要用跳表来实现有序集合？ 跳表(skip list) 对应的是平衡树(AVL Tree)，是一种 插入/删除/搜索 都是 O(log n) 的数据结构。它最大的优势是原理简单、容易实现、方便扩展、效率更高。 节点，发现17比其大，向后搜索，发现6后面的节点指向了Nil(第4层)，那么搜索的层数降低1层， 从此节点的第3层开始搜索，发现下个节点是25，大于17，那么再降低一层，从2层开始搜索，发现第2层是9， 小于17，继续搜索，发现9节点的下一个数是17，搜索完成。 ---- 跳表的代码实现 跳表数据结构 如上图中的E节点，表示的是头节点，一般跳表的实现，最大有多少层(MAX_LEVEL)是确定的。所以e的个数是固定的。
50730发布于 2021-09-18 - 来自专栏机器学习/数据可视化
数据平滑9大妙招
今天给大家分享9大常见数据平滑方法：移动平均Moving Average指数平滑Exponential Smoothing低通滤波器多项式拟合贝塞尔曲线拟合局部加权散点平滑LoessKalman滤波小波变换 它对最近的数据点给予较高的权重，而对较早的数据点给予较低的权重。这使得EMA更适合用于追踪快速变化的数据。 指数平滑的主要特点包括：加权平滑：指数平滑使用指数权重来平滑数据。较新的数据点获得更高的权重，而较旧的数据点获得较低的权重。这意味着它对最近的数据更为敏感，从而更好地捕获了数据的最新趋势。 7, 8, 9])y = np.array([10, 8, 7, 6, 5, 4, 3, 2, 1])# 三阶多项式拟合degree = 3coefficients = np.polyfit(x, y 数据平滑：Savitzky-Golay滤波器旨在平滑数据，减小数据中的高频噪声和突发波动。它保留了数据中的趋势和主要特征，同时去除了噪声。
6K44编辑于 2023-10-13 - 来自专栏全栈程序员必看
Landsat 9 数据详细介绍
目录 1.基本情况 2.Landsat9数据介绍 2.1 Landsat系列波段信息图谱 2.2 Landsat9基本信息 2.2.1 Quick Facts 2.2.2 LANDSAT9 波段信息 ，实际于于2021年9月27日发射，并已经开始采集第一批数据，2021年10月31日获取到遥感数据。 Landsat 9 的 OLI-2 和 TIRS-2 的 14 位数据将其增加到 16,384 个数据值。 然而，不同之处在于，Landsat 9 将下行链接 OLI-2 产生的所有 14 位数据，与从 Landsat 8 的 OLI 下行链接的 12 位数据相比，为其图像提供更大的位深度。 Landsat9数据目前成处于检查期，后期将于USGS网站免费共享。
5.2K20编辑于 2022-09-15 - 来自专栏数字藏品系统
如何创建数字孪生
简而言之，数字孪生是环境的延伸，而不是静态复制品。牢记这一指导原则的设计师将更有效地建立联系。与数字孪生相关的统计数据2021 年，数字孪生市场规模为67.5 亿美元。 开发基础数字孪生草拟蓝图后进入开发阶段。然后设计师接管整个项目。首先，将收集到的数据放在一起，然后重新排列。有一个专门的工程师团队负责区分结构化数据和非结构化数据。这样做是为了保持数据的质量和实用性。 但是，如前所述，在数据不那么完美的情况下，它不会产生太大差异。提升能力当数字孪生的用例可操作时，通过添加数据层扩展功能，并执行分析以支持当前用例。 选择准确的 AR/VR 工具在清楚地了解数字孪生之后，可以选择有助于该过程的元素。只需在指定点上保持一个标签，如下所示；数据：数据是形成数字孪生的核心要素。他们以物理形式向对方发送数据。 建筑物的数字孪生模型收集图像后，开发人员可以将它们组合成建筑物的 3D 数字孪生模型。这可以使用结合数据并自动确定对象之间距离的机器学习系统来实现。
3K30编辑于 2022-12-15 - 来自专栏鲜枣课堂
什么是数字孪生？
它“动”的依据，来自本体的物理设计模型，还有本体上面传感器反馈的数据，以及本体运行的历史数据。 说白了，本体的实时状态，还有外界环境条件，都会复现到“孪生体”身上。 而实时/准实时，是指本体和孪生体之间，可以建立全面的实时或准实时联系。两者并不是完全独立的，映射关系也具备一定的实时性。 双向，是指本体和孪生体之间的数据流动可以是双向的。 并不是只能本体向孪生体输出数据，孪生体也可以向本体反馈信息。企业可以根据孪生体反馈的信息，对本体采取进一步的行动和干预。 采用数字孪生技术，通过对运行数据进行连续采集和智能分析，可以预测维护工作的最佳时间点，也可以提供维护周期的参考依据。数字孪生体也可以提供故障点和故障概率的参考。 这也就意味着，更多的数据将被采集并集中在一起。 这些数据，可以帮助构建更强大的数字孪生体。例如，一个数字孪生城市。 ? 如今，我们的城市布满了各种各样的传感器、摄像头。
2K21发布于 2019-12-26 - 来自专栏数据结构与算法
1436 孪生素数 2
1436 孪生素数 2 时间限制: 2 s 空间限制: 1000 KB 题目等级 : 白银 Silver 题目描述 Description 如m=100,n=6 则将输出100以内的所有相差 6的孪生素数：如， 5 11 7 13 .... 83 89 请按此规律输出数与数之间用半角空格区分，每一对一行． 13 17 19 29 31 41 43 Total Is:6 例如２： 7 97 Total Is:1 例如３： Total Is:0 数据范围及提示 using namespace std; 5 const int MAXN=10000001; 6 int vis[MAXN]; 7 int bc[MAXN]; 8 int now=1; 9 using namespace std; 5 const int MAXN=10000001; 6 int vis[MAXN]; 7 int bc[MAXN]; 8 int now=1; 9
81960发布于 2018-04-13 - 来自专栏FREE SOLO
数字孪生是什么？
Michael Grieves在发表的一篇文章中第一次提出了数字孪生概念，他认为通过物理设备的数据，可以在虚拟（信息）空间构建一个可以表征该物理设备的虚拟实体和子系统，并且这种联系不是单向和静态的，而是在整个产品的生命周期中都联系在一起 而数字孪生技术，可以借助于物联网和大数据技术，通过采集有限的物理传感器指标的直接数据，并借助大样本库，通过机器学习推测出一些原本无法直接测量的指标。 而数字孪生可以结合物联网的数据采集、大数据的处理和人工智能的建模分析，实现对当前状态的评估、对过去发生问题的诊断，以及对未来趋势的预测，并给予分析的结果，模拟各种可能性，提供更全面的决策支持。 服务阶段的数字孪生 随着物联网技术的成熟和传感器成本的下降，很多工业产品，从大型装备到消费级产品，都使用了大量的传感器来采集产品运行阶段的环境和工作状态，并通过数据分析和优化来避免产品的故障，改善用户对产品的使用体验 这个阶段的数字孪生，可以实现如下的功能： 远程监控和预测性维修：通过读取智能工业产品的传感器或者控制系统的各种实时参数，构建可视化的远程监控，并给予采集的历史数据，构建层次化的部件、子系统乃至整个设备的健康指标体系
1.1K20编辑于 2022-01-06 《工业CAD数据数字孪生落地轻量化导入指南》
工业级CAD数据为满足设计与制造需求，承载着微米级的几何特征、全维度的拓扑关系以及海量的设计辅助信息，其数据体量往往达到数十甚至上百G，而数字孪生的实时可视化要求数据能在引擎中快速加载、流畅交互且无精度丢失 真正的工业级解决方案，并非对CAD数据进行简单的“瘦身”，而是基于工业制造的语义逻辑完成全维度的工程态数据重构，将设计态的CAD数据转化为适配数字孪生的工程态数据，在保留工业生产所需的核心精度特征的前提下 ，实现数据体量的阶跃式优化，同时让轻量化后的数据具备直接支撑仿真、交互、预警等数字孪生核心功能的能力。 ，这些内容在数字孪生的工程应用中无任何实际价值，却占据着30%以上的数据空间，若直接进入后续处理，会大幅增加计算量且影响数据结构的清晰度。 同时引入体素化编码技术，将CAD数据的矢量几何信息转化为数字孪生引擎适配的体素特征数据，通过三维栅格化处理实现矢量数据到体素数据的无损映射，这种编码方式不仅能将数据体量压缩至原有规模的1/10甚至更低，
16710编辑于 2026-02-05- 来自专栏机器学习/数据可视化
pandas系列9-数据规整
层次化索引hierarchical indexing 数据分散在不同的文件或者数据库中 层次化索引在⼀个轴上拥有多个（两个以上）索引级别 低维度形式处理高维度数据 import numpy as np , 3, 3], [0, 1, 2, 0, 2, 0, 1, 1, 2]]) data['b'] 1 -0.731398 3 -0.707528 dtype: float64 # 部分索引选取数据子集 0.382131 2 -0.177199 d 2 -0.826364 3 -1.874992 dtype: float64 data.unstack() # 将层次化索引的数据变成 0.707528 c 1 -0.382131 2 -0.177199 d 2 -0.826364 3 -1.874992 dtype: float64 # 对于DF类型数据 pandas.merge：根据键将不同DF中的行连接起来，类似于数据库的join操作 pandas.concat：沿着轴将对象叠在一起 法combine_first可以将重复数据拼接在⼀起，⽤⼀个对象中的值填充另
1K10发布于 2021-03-02
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号