美国流行的水质模拟软件，最新版本WASP7_5保障能用。
免去去外国网站下载的省事。

基于stm32水质监测零碎（毕设）

污染源监测(污染源监控系统方案)是环保监测与环境预警的信息平台。
系统采用先进的无线网络，涵盖水质监测、烟气自动监测（CEMS）、空气质量监测等多种环境在线监测应用；
DATA86污染源监测(污染源监控系统方案)以污染源在线监测为基础，充分贯彻总量管理、总量控制的准绳，包含了环境监理信息系统的许多重要功能

水环境监测系统须满足如下功能：成本低，能耗低，无污染，高精度，能够适应野外无人值守的工作环境。
（1）无线远程监测，系统要能够自动采集水样,分析得到各个参数原始数据。
（2）系统要能24小时不间断的定时向远程的监测中心发送采集数据，实现实时监测。
基于以上要求，整个系统由三部分组成，分别是由传感节点和协调器节点所构成的ZigBee网络、DTU设备和移动GPRS网络构成的传输网络以及监控中心软件系统。
ZigBee网络由一个协调器节点设备和多个传感器节点设备构成，主发负责数据的采集和汇聚，任意分布在某个监测区域内的传感器节点定期对水质检测，并将检测到的数据传到协调器节点；
协调器节点除了向DTU发送数据，还要建立并且维护一个安全可靠的无线通信网络。
GPRSDTU设备负责数据转换，将接收的数据进行协议转换，打包后通过GPRS网络发送给远程的监测中心服务器。

WASP6是USEPA的一个改进了的Windows版本水质分析模拟程序(WASP)。
建模者对WASP6的开发完成有助于WASP的应用。
WASP6包括一个前处理器,一个快速数据处理器和一个图形处理器，这使得其必先前的WASP运行更快而且更便捷地以数字与图像评估模拟结果。
在WASP6中,模型的运行能被比早先的USEPADOS操作系统界面快十倍。
当然，WASP6采用与DOS版本相同的算法处理水质问题。

《MATLAB神经网络43个案例分析》源代码&数据《MATLAB神经网络43个案例分析》目录第1章BP神经网络的数据分类——语音特征信号分类第2章BP神经网络的非线性系统建模——非线性函数拟合第3章遗传算法优化BP神经网络——非线性函数拟合第4章神经网络遗传算法函数极值寻优——非线性函数极值寻优第5章基于BP_Adaboost的强分类器设计——公司财务预警建模第6章PID神经元网络解耦控制算法——多变量系统控制第7章RBF网络的回归--非线性函数回归的实现第8章GRNN网络的预测----基于广义回归神经网络的货运量预测第9章离散Hopfield神经网络的联想记忆——数字识别第10章离散Hopfield神经网络的分类——高校科研能力评价第11章连续Hopfield神经网络的优化——旅行商问题优化计算第12章初始SVM分类与回归第13章LIBSVM参数实例详解第14章基于SVM的数据分类预测——意大利葡萄酒种类识别第15章SVM的参数优化——如何更好的提升分类器的功能第16章基于SVM的回归预测分析——上证指数开盘指数预测.第17章基于SVM的信息粒化时序回归预测——上证指数开盘指数变化趋势和变化空间预测第18章基于SVM的图像分割-真彩色图像分割第19章基于SVM的手写字体识别第20章LIBSVM-FarutoUltimate工具箱及GUI版本介绍与使用第21章自组织竞争网络在模式分类中的应用—患者癌症发病预测第22章SOM神经网络的数据分类--柴油机故障诊断第23章Elman神经网络的数据预测----电力负荷预测模型研究第24章概率神经网络的分类预测--基于PNN的变压器故障诊断第25章基于MIV的神经网络变量筛选----基于BP神经网络的变量筛选第26章LVQ神经网络的分类——乳腺肿瘤诊断第27章LVQ神经网络的预测——人脸朝向识别第28章决策树分类器的应用研究——乳腺癌诊断第29章极限学习机在回归拟合及分类问题中的应用研究——对比实验第30章基于随机森林思想的组合分类器设计——乳腺癌诊断第31章思维进化算法优化BP神经网络——非线性函数拟合第32章小波神经网络的时间序列预测——短时交通流量预测第33章模糊神经网络的预测算法——嘉陵江水质评价第34章广义神经网络的聚类算法——网络入侵聚类第35章粒子群优化算法的寻优算法——非线性函数极值寻优第36章遗传算法优化计算——建模自变量降维第37章基于灰色神经网络的预测算法研究——订单需求预测第38章基于Kohonen网络的聚类算法——网络入侵聚类第39章神经网络GUI的实现——基于GUI的神经网络拟合、模式识别、聚类第40章动态神经网络时间序列预测研究——基于MATLAB的NARX实现第41章定制神经网络的实现——神经网络的个性化建模与仿真第42章并行运算与神经网络——基于CPU/GPU的并行神经网络运算第43章神经网络高效编程技巧——基于MATLABR2012b新版本特性的探讨

《MATLAB数学建模》是2017年12月1日清华大学出版社出版的图书，作者是李昕。
本书是MATLAB数学建模应用系列书籍之一，以MATLABR2016a软件版本为基础，根据数学建模的需要编写，包含了多种数学建模问题的MATLAB求解方法，是处理数学实验和数学建模的有力工具。
全书共18章，分为前后两个部分，第1~10章属于前部分，第11~18章属于后部分。
前部分从MATLAB基础和数学建模基础知识介绍开始，详细介绍MATLAB程序设计、常用MATLAB建模函数、数学规划模型、智能优化算法、Simulink简介、MATLAB图像处理算法等内容；
后部分介绍了水质评价与预测、投资收益与风险、旅行商问题、最优捕鱼策略、裁剪与复原、DNA序列分类、卫星和飞船的跟踪测控、中国人口增长预测等8个典型建模问题的MATLAB求解方法，引导读者深入挖掘各种建模问题背后的数学问题和求解方法。
最后，在附录中给出了MATLAB基本命令的介绍，便于读者使用和研究。

基于单片机的水质浊度分析仪的计划，有串口，AD，放大

智慧水务处理方案，关于物联网技术实现智能超标计费、水质监测等方面的内容，以及企业并购，供水安全等等

《MATLAB神经网络43个案例分析》是在《MATLAB神经网络30个案例分析》的基础上出版的，部分章节涉及了常见的优化算法（遗传算法、粒子群算法等）与神经网络的结合问题。
《MATLAB神经网络43个案例分析》可作为高等学校相关专业学生本科毕业设计、研究生课题研究的参考书籍，亦可供相关专业教师教学参考。
《MATLAB神经网络43个案例分析》共有43章目录如下：第1章BP神经网络的数据分类——语音特征信号分类第2章BP神经网络的非线性系统建模——非线性函数拟合第3章遗传算法优化BP神经网络——非线性函数拟合第4章神经网络遗传算法函数极值寻优——非线性函数极值寻优第5章基于BP_Adaboost的强分类器设计——公司财务预警建模第6章PID神经元网络解耦控制算法——多变量系统控制第7章RBF网络的回归--非线性函数回归的实现第8章GRNN网络的预测----基于广义回归神经网络的货运量预测第9章离散Hopfield神经网络的联想记忆——数字识别第10章离散Hopfield神经网络的分类——高校科研能力评价第11章连续Hopfield神经网络的优化——旅行商问题优化计算第12章初始SVM分类与回归第13章LIBSVM参数实例详解第14章基于SVM的数据分类预测——意大利葡萄酒种类识别第15章SVM的参数优化——如何更好的提升分类器的功能第16章基于SVM的回归预测分析——上证指数开盘指数预测.第17章基于SVM的信息粒化时序回归预测——上证指数开盘指数变化趋势和变化空间预测第18章基于SVM的图像分割-真彩色图像分割第19章基于SVM的手写字体识别第20章LIBSVM-FarutoUltimate工具箱及GUI版本介绍与使用第21章自组织竞争网络在模式分类中的应用—患者癌症发病预测第22章SOM神经网络的数据分类--柴油机故障诊断第23章Elman神经网络的数据预测----电力负荷预测模型研究第24章概率神经网络的分类预测--基于PNN的变压器故障诊断第25章基于MIV的神经网络变量筛选----基于BP神经网络的变量筛选第26章LVQ神经网络的分类——乳腺肿瘤诊断第27章LVQ神经网络的预测——人脸朝向识别第28章决策树分类器的应用研究——乳腺癌诊断第29章极限学习机在回归拟合及分类问题中的应用研究——对比实验第30章基于随机森林思想的组合分类器设计——乳腺癌诊断第31章思维进化算法优化BP神经网络——非线性函数拟合第32章小波神经网络的时间序列预测——短时交通流量预测第33章模糊神经网络的预测算法——嘉陵江水质评价第34章广义神经网络的聚类算法——网络入侵聚类第35章粒子群优化算法的寻优算法——非线性函数极值寻优第36章遗传算法优化计算——建模自变量降维第37章基于灰色神经网络的预测算法研究——订单需求预测第38章基于Kohonen网络的聚类算法——网络入侵聚类第39章神经网络GUI的实现——基于GUI的神经网络拟合、模式识别、聚类第40章动态神经网络时间序列预测研究——基于MATLAB的NARX实现第41章定制神经网络的实现——神经网络的个性化建模与仿真第42章并行运算与神经网络——基于CPU/GPU的并行神经网络运算第43章神经网络高效编程技巧——基于MATLABR2012b新版本特性的探讨

在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。 另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。 为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。