本帖代码和教程有Matlab技术论坛原创，原帖参见http://www.matlabsky.com/viewthread.php?tid=3885一、数值积分基本公式数值求积基本通用公式如下Eqn1.gif(1.63KB)2009-11-2023:23xk：求积节点Ak：求积系数，与f(x)无关数值积分要做的就是确定上式中的节点xk和系数Ak。
可以证明当求积系数Ak全为正时，上述数值积分计算过程是稳定。
二、插值型数值积分公式对f(x)给定的n+1个节点进行Lagrange多项式插值，故Eqn2.gif(2.95KB)2009-11-2023:23即求积系数为Eqn3.gif(3.29KB)2009-11-2023:23三、牛顿-柯特斯数值积分公式当求积节点在[a,b]等间距分布时，插值型积分公式（先使用Lagrange对节点进行多项式插值，再计算求积系数，最后求积分值）称为Newton-Cotes积分公式。
由于Newton-Cotes积分是通过Lagrange多项式插值变化而来的，我们都知道高次多项式插值会出现Runge振荡现象，因此会导致高阶Newton-Cotes公式不稳定。
Newton-Cotes积分公式的求积系数为Eqn4.gif(3.38KB)2009-11-2023:28其中C(k,n)称为柯特斯系数。
(1)当n=1时，Newton-Cotes公式即为梯形公式Eqn5.gif(1.68KB)2009-11-2023:28容易证明上式具有一次代数精度(对于Newton-Cotes积分公式，n为奇数时有n次迭代精度，n为偶数时具有n+1次精度，精度越高积分越精确，同时计算量也越大)(2)当n=2时，Newton-Cotes公式即为辛普森(Simpson)公式或者抛物线公式Eqn6.gif(2.04KB)2009-11-2023:28上式具有3次迭代精度(3)当n=4时，Newton-Cotes公式称为科特斯(Cotes)公式Eqn7.gif(2.68KB)2009-11-2023:28上式具有5次迭代精度。
由于n=3和n=2时具有相同的迭代精度，但是n=2时计算量小，故n=3的Newton-Cotes积分公式用的很少(4)当≥8时，通过计算可以知道，在n=8时柯特斯系数出现负值由于数值积分稳定的条件是求积系数Ak必须为正，所以n＞=8以上高阶Newton-Cotes公式，我们不能保证积分的稳定性(其根本原因是，Newton-Cotes公式是由Lagrange插值多项推导出来的，而高阶多项式会出现Rung现象)。
四、复化求解公式n阶Newton-Cotes公式只能有n+1个积分节点，但是高阶Newton-Cotes公式由不稳定。
为了提高大区间的数值积分精度，我们采用了分段积分的方法，即先将原区间划分成若干小区间，然后对每一个小区间使用Newton-Cotes积分公式，这就是复化Newton-Cotes求积公式。
(1)当n=1时，称为复化梯形公式。
将[a,b]等分为n份，子区间长度为h=(b-a)/n，则复化梯形公式为(注意：复化求解公式不需要求积子区间等间距，只是Newton-Cotes公式分段积分时自动对小区间进行等分，我们这里采用等分子区间是为了便于计算而已)Eqn8.gif(2.18KB)2009-11-2023:28(2)当n=2时，称为复化辛普森公式。
Eqn9.gif(2.96KB)2009-11-2023:28五、Newton-Cotes数值积分公式Matlab代码

开发软件：PHPStorm数据库：mysql程序后台技术框架：ThinkPHP5(一个MVC框架)后台界面采用EasyUI框架，前台界面采用Bootstrap框架，用户浏览器和服务器全程几乎采用jquery异步加载技术！别看他只是一个简单的图书管理系统，麻雀虽小，五张俱全，实现了常见字段比如字符串，整型，浮点型，日期型，图片型和文件型的添删改查，查询条件采用多条件组合模糊查询，查询结果都采用分页显示，其中字符串分为单行文本字符串，多行文本字符串已经超级富文本字符串，对于富文本字段我们采用的是百度出品的UEditor插件，为网站增色不少！后台管理员登录采用了验证码，查询的结果记录都可以导出到Excel，对其中的图片上传和文件上传专门写了2个方法uploadPhoto和uploadFile放到了基类中，所有控制器类继承基类，实现了代码的精简优化！

本文介绍了利用可编程控制器编写的一个五层电梯的控制系统，检验电梯PLC控制系统的运行情况。
实践证明，PLC可遍程控制器和MCGS组态软件结合有利于PLC控制系统的设计、检测，具有良好的应用价值

该资源为本人学习完xml后的产物,哈哈,包括五个平时作业,和一个课程设计(基于xml的通讯录的设计)

SWAT模型——QQ群共享资料汇编一、例子的操作学习二、模型流程三、数据的准备四、GIS基础知识及操作五、ArcSWAT基础知识六、模型运行与数据结果输出七、模型校准

代码加文档,一共9个实验实验一进程调度实验二作业调度实验三动态分区分配方式的模拟实验四多级反馈调度队列调度算法实验五最低松弛度调度算法模拟及其应用实验六银行家算法实验七死锁检测算法实验八页面置换算法实验九磁盘调度算法

本培训手册的内容包括：《OSS的使用介绍》、《DT制作》、《BSC操作与维护》、《爱立信基站操作常用指令》共五讲主要内容，同时附加了《基站故障处理方法和案例分析》。
本课程在介绍系统原理与设备工作原理的基础上，侧重说明了开站的方法与操作维护的方法与流程，突出了实用性和可操作性。

基于lpc2136开发的数字时钟具有时间设置功能；
五个按键功能分布：KEY1P026小时加KEY2P027分钟加KEY3P028第一次按下进入时间设置状态；
再按保存当前设置时间KEY4P029第一次按下进入闹钟设置状态；
再按保存当前设置时间KEY5P030停止闹钟"＞基于lpc2136开发的数字时钟具有时间设置功能；
五个按键功能分布：KEY1P026小时加KEY2P027分钟加KEY3P028第一次按下进入时间设置状态；
再按保存当前设置时间KEY4P029[更多]

2.源码特点:一、网站后台布局：前端使用jsjquryHtml5bootstrap布局二、本系统后台采用ASP.NETMVC框架开发底层使用ADO.NET页面使用bootstrapjsjqueryrazor引擎开发，前台使用标准web布局html+javsscript+css符合w3c标准。
3.功能介绍:网站后台：主要包括登陆、用户管理、图片管理、企业文化管理、新闻中心管理、集团成员管理、企业公民管理、加入企业公司管理、分别对应前台功能首页企业文化、新闻中心、集团成员、企业公民、加入国享购、联系我们，操作增删改查4.菜单功能一、用户管理:主要可以对用户新增改查二、图片管理:主要对首页图片，滚动图片，轮播图最新新闻等管理操作三、企业文化管理：主要对前台企业文化中，集团概况、企业理念、领导团队、员工风采管理操作四、新闻中心管理：主要对公司动态新闻进行管理操作。
五、集团成员管理、主要对集团成员中互联网、投资、旅游、贸易进行管理增删改查。
六、企业公民管理、主要对前台企业公民菜单进行管理操作七、加入企业公司管理、主要对发布公司招聘信息和投递简历进行管理5.注意事项:1.网站使用VisualStudio2013使用.netframework4.5环境开发2.管理员登陆名密码都设置为：51aspx3.数据库在DB_51aspx文件夹下，数据配置在网站Web.config下配置,数据库连接方式sa登录方式

Matlab关于人工神经网络在预测中的应用的论文二-人工神经网络模型在研究生招生数量预测中的应用.pdf四、灰色人工神经网络人口总量预测模型及应用摘要：针对单一指标进行人口总量预测精度不高的问题，基于灰色系统理论和人工神经网络理论，用1990年至2004年中国人口总量序列建立并训练一个多指标的灰色人工神经网络人口总量预测模型。
对2005年至2007年的人口总量进行检验性预测，结果表明灰色人工神经网络模型大大提高了预测精度。
关键词：人口总量；
灰色系统；
BP人工神经网络；
灰色人工神经网络模型引言：本文从影响人口增长的诸多因素中筛选出6个主要因素，结合灰色系统思想与神经网络的优点建立了一个灰色人工神经网络（GreyArtificialNeuralNetwork，GANN）预测模型，对每一个指标分别用GM（1，1）模型选择最佳的维数进行预测，再利用神经网络非线性映射的特性把这6个指标进行非线性组合得到人口总量的预测结果。
该模型充分利用灰色系统弱化数据的随机性及其动态性和神经网络非线性映射的特性，发挥两者的优势，从而进一步提高预测精度。
中间内容省略~结语：由于传统遗传算法聚类算法本身的优点：在解决聚类问题上速度快、准确率高，加上免疫网络分类算法可以进行非监督学习，确定聚类数及聚类点，在实际聚类应用中有更广阔的适用性；
在这种独特的聚类算法的基础上，结合粗糙集理论构建了一种图像分割算法；
同时，通过实验证明该方法不但比传统的FCM算法聚类速度快，分割效果好，而且比文献[2]的分割准确度还要高。
由于该方法有在聚类上的无教师监督的独特优点，并且通过对人脑MR图聚类和分割的两个实验，证明了该分割算法比以往分割算法在具体应用上都有一定的提高。
灰色人工神经网络人口总量预测模型及应用.pdf五、人工神经网络模型在研究生招生数量预测中的应用摘要：研究生招生数量的确定涉国家政策、社会就业、人才需求、专业分布与需求等诸多因素，这些影响因素往往无法量化，而且各个影响因素之间关系错综复杂，简单的线性模型预测未来招生数量往往难以实现。
尝试采用人工神经网络模型，针对历年招生数量原始数据信息零散、隐含影响因素过多、诸多影响因素难以确定性描述等问题，通过对黑龙江省历年研究生招生数量进行系统分析，建立了人工神经网络预测模型，并对未来3年的招生数量进行了预测，预测结果较好，为该方面研究提供了新的研究思路与研究方法。
关键词:黑龙江省;研究生招生;预测;人工神经网络模型引言：关于研究生招生数量的确定，涉及诸多因素，例如国家政策、社会就业、人才需求、专业分布与需求等等。
这些影响因素往往无法量化，很难找出定量化的因素来进行分析，而这些因素又确确实实在很大程度上影响着研究生招生的数量及其分布。
以往分析预测方法主要是确定性数学模型和随机统计方法，例如有限单元法、有限差分法、灰色理论建模、回归分析、谐波分析、时间序列分析、概率统计法等。
这些方法多以线性理论为基础，考虑问题偏于简单化，导致预测精度不高。
本论文结合黑龙江省1981年—2004年的研究生招生规模，针对历年招生数量原始数据信息零散、隐含影响因素过多、诸多影响因素难以确定性描述等问题，探讨应用一种改进的BP网络模型对未来3年黑龙江省研究生招生规模进行预测，为该方面研究提供新的研究思路与研究模式，并渴望为用人单位、科研院校提供制定长远发展与建设规划提供参考。
中间内容省略~结语：采用人工神经网络模型可以有效的处理黑龙江省研究生数量中涉及的人为、政策等随机因素、难以量化等因素的干扰，拟合精度非常高，预测精度也相对较高，为未来研究生招生规模提供科学理论依据，为该方面研究提供新的研究方法与研究思路。
人工神经网络模型在研究生招生数量预测中的应用.pdf六、基于RBF人工神经网络模型预测棉花耗水量摘要：利用MATLAB工具箱，以平均气温、日照时数、平均风速为输入变量，建立了新疆石河子地区棉花耗水量的RBF人工神经网络预测系统，通过2008年实测数据的检验表明，此预测系统网络模型的绝对误差最大为0.0967mm/d、最小为0.0025mm/d、平均为0.0419mm/d，相对误差最大为2.6491%、最小为0.0341%、平均为0.8780%。
可见，网络模型预测的准确度较高，较以往的线性模型更合理，并且此网络训练花费的时间仅需0.0780s，具有一定的实用价值。
关键词：预测；
人工神经网络；
径向基函数；
棉花耗水量引言：计算机人工神经网络是20世纪8

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。