این دستور t.rast.accdetectgrass است که می تواند در ارائه دهنده هاست رایگان OnWorks با استفاده از یکی از چندین ایستگاه کاری آنلاین رایگان ما مانند Ubuntu Online، Fedora Online، شبیه ساز آنلاین ویندوز یا شبیه ساز آنلاین MAC OS اجرا شود.
برنامه:
نام
t.rast.accdetect - الگوهای انباشتگی را در فضای زمان انباشته شده زمانی تشخیص می دهد
مجموعه داده های شطرنجی ایجاد شده توسط t.rast.accumulate.
واژگان کلیدی
زمانی، انباشتگی، شطرنجی، زمان
خلاصه
t.rast.accdetect
t.rast.accdetect --کمک
t.rast.accdetect [-nr] ورودی=نام [حد اقل=نام] [بیشترین=نام] وقوع=نام
[شاخص=نام] شروع=رشته [متوقف کردن=رشته] چرخه=رشته [چاپ افست=رشته]
نام اصلی=رشته [محدوده=حداقل، حداکثر] [ایستادن=شروع، متوسط، پایان] [--زیاد نوشتن]
[--کمک] [--واژگان] [--ساکت] [--ui]
پرچم ها:
-n
نقشه های خالی را در مجموعه داده های شطرنجی فضای زمان خروجی ثبت کنید، در غیر این صورت خواهند بود
حذف
-r
جهت زمان معکوس در تجمع چرخه ای
--زیاد نوشتن
به فایل های خروجی اجازه بازنویسی فایل های موجود را بدهید
--کمک
خلاصه استفاده از چاپ
-- پرحرف
خروجی ماژول گویا
--ساکت
خروجی ماژول بی صدا
--ui
راه اندازی اجباری گفتگوی رابط کاربری گرافیکی
پارامترهای:
ورودی=نام [ضروری]
نام مجموعه داده شطرنجی فضای زمان ورودی
حد اقل=نام
مجموعه داده شطرنجی فضا-زمان ورودی که حداقل مقادیر را برای شناسایی مشخص می کند
الگوی انباشت
بیشترین=نام
مجموعه داده شطرنجی فضا-زمان ورودی که حداکثر مقادیر را برای شناسایی مشخص می کند
الگوی انباشت
وقوع=نام [ضروری]
مجموعه داده شطرنجی فضای زمان خروجی که وقوع the را ذخیره می کند
الگوی انباشت با استفاده از محدوده داده ارائه شده
شاخص=نام
مجموعه داده شطرنجی فضای زمان خروجی که نشانه شروع را ذخیره می کند،
متوسط و انتهای محدوده داده مشخص شده
شروع=رشته [ضروری]
نقطه شروع زمانی برای شروع انباشت، به عنوان مثال '2001-01-01'
متوقف کردن=رشته
تاریخ موقت توقف انباشت، به عنوان مثال «2009-01-01»
چرخه=رشته [ضروری]
چرخه زمانی برای شروع مجدد انباشت، به عنوان مثال "12 ماه"
چاپ افست=رشته
جبران زمانی تا شروع چرخه بعدی، به عنوان مثال "6 ماه"
نام اصلی=رشته [ضروری]
نام پایه نقشه های خروجی تولید شده جدید
یک پسوند عددی که با یک خط زیر جدا شده است برای ایجاد یک یک منحصر به فرد پیوست می شود
شناسه
محدوده=حداقل، حداکثر
حداقل و حداکثر مقدار وقوع مقادیر انباشته، این مقادیر است
اگر مجموعه داده‌های شطرنجی حداقل/حداکثر فضا زمان مشخص نشده باشد، استفاده خواهد شد
ایستادن=شروع، متوسط، پایان
کاربر مقادیری را تعریف کرده است که وضعیت شروع، متوسط و پایان را در
مجموعه داده شطرنجی فضای زمان خروجی نشانگر
پیش فرض: 1,2,3
شرح
t.rast.accdetect برای تشخیص الگوی انباشتگی در انباشته زمانی طراحی شده است
مجموعه داده های شطرنجی فضا زمان ایجاد شده توسط t.rast.accumulate. این ماژول انتظار یک فضا-زمان را دارد
مجموعه داده شطرنجی به عنوان ورودی که نتیجه اجرای t.rast.accumulate است.
La شروع زمان و پایان زمان فرآیند تشخیص الگو باید تنظیم شود، به عنوان مثال.
start="2000-03-01" end="2011-01-01". شروع و پایان نیازی نیست زمان مشابه باشد
برای اجرای تجمعی که مجموعه داده شطرنجی فضای زمان ورودی را تولید کرد. علاوه بر این الف
چرخه، به عنوان مثال. "8 ماه" را می توان مشخص کرد، که پس از آن فاصله زمانی را مشخص می کند
فرآیند تشخیص الگوی انباشتگی مجدداً شروع می شود. در چاپ افست گزینه زمان را مشخص می کند
بین دو چرخه که باید نادیده گرفته شوند، به عنوان مثال. "4 ماه". لطفا مطمئن شوید که چرخه
و چاپ افست گزینه ها مانند فرآیند انباشتگی هستند که فضای ورودی را تولید می کند
مجموعه داده شطرنجی زمانی، در غیر این صورت تشخیص الگوی تجمع اشتباه ایجاد می کند
نتایج.
La حد اقل و بیشترین مقادیر فرآیند تشخیص الگو را می توان با استفاده از
با استفاده از مجموعه داده های شطرنجی فضا-زمان یا با استفاده از مقادیر ثابت برای تمام سلول های شطرنجی و زمان
مراحل
استفاده از مجموعه داده های شطرنجی فضا-زمان امکان تعیین حداقل و حداکثر مقادیر را برای هر یک می دهد
سلول شطرنجی و هر مرحله زمانی. به عنوان مثال، ما می خواهیم جوانه زنی (حداقل
ارزش) و تاریخ برداشت (حداکثر ارزش) برای محصولات مختلف در آلمان با استفاده از
روش رشد درجه روز (GDD) برای چندین سال. محصولات مختلف ممکن است در متفاوت رشد کنند
سلول های شطرنجی و با گذشت زمان به دلیل تناوب محصول تغییر می کنند. از این رو باید مشخص کنیم
مقادیر مختلف جوانه زنی / برداشت GDD (حداقل / حداکثر) برای سلول های شطرنجی مختلف
و سال های مختلف
نقشه های شطرنجی که حداقل و حداکثر مقادیر گرانول واقعی را مشخص می کند
با استفاده از روابط زمانی زیر شناسایی شود: برابر، در طول، همپوشانی، همپوشانی
و حاوی. ابتدا همه نقشه ها با مهرهای زمانی برابر به دانه فعلی ورودی
STRDS شناسایی خواهد شد، اولین نقشه حداقل و اولین نقشه حداکثر که پیدا شد
به عنوان تعاریف محدوده استفاده می شود. اگر نقشه‌های مساوی یافت نشد، نقشه‌هایی با طول زمانی
رابطه شناسایی می‌شوند، سپس نقشه‌هایی که به طور موقت با گرانول‌های واقعی همپوشانی دارند، تا نقشه‌ها
شناسایی می شوند که یک رابطه حاوی زمانی دارند. اگر نقشه ای پیدا نشد یا
حداقل/حداکثر STRDS تنظیم نشده است، سپس محدوده گزینه استفاده می شود، به عنوان مثال. محدوده=480,730.
La پایه نام نقشه های تولید شده همیشه باید تنظیم شود.
این ماژول دو مجموعه داده شطرنجی فضای زمان خروجی تولید می کند. در وقوع خروجی STRDS
زمان را بر حسب روز از شروع یک چرخه برای هر سلول شطرنجی و مرحله زمانی آن ذخیره می کند
دارای مقدار در حداقل و حداکثر تعریف است. از این مقادیر می توان برای محاسبه استفاده کرد
مدت زمان الگوی انباشت شناخته شده در شاخص خروجی STRDS از سه استفاده می کند
مقادیری که با استفاده از ایستادن گزینه، برای علامت گذاری سلول های شطرنجی با مقادیر صحیح
که شروع، حالت میانی و پایان یک الگوی تجمع را نشان می دهد. مانند
پیش فرض مقدار 1 شروع، مقدار 2 حالت میانی و مقدار را مشخص می کند
3 پایان الگوی تجمع در یک چرخه.
مثال
لطفاً به مثال t.rast.accumulate نگاهی بیندازید.
از t.rast.accdetectgrass به صورت آنلاین با استفاده از خدمات onworks.net استفاده کنید