VOS30002020手机地区号码表手机前缀 地区区号 所在地区 备注1300000 531 山东省-济南市 中国联通1300001 519 江苏省-常州市 中国联通1300002 565 安徽省-巢湖市 中国联通1300003 831 四川省-宜宾市 中国联通1300004 813 四川省-自贡市 中国联通1300005 29 陕西省-西安市 中国联通1300006 25 江苏省-南京市 中国联通1300007 29 陕西省-西安市 中国联通1300008 27 湖北省-武汉市 中国联通1300009 29 陕西省-西安市 中国联通
2024/10/13 1:35:40
8.32MB
1
省市区街道4级联动地址，Excel文档格式格式如：北京市 北京市 东城区 东华门街道北京市 北京市 东城区 景山街道北京市 北京市 东城区 交道口街道北京市 北京市 东城区 安定门街道北京市 北京市 东城区 北新桥街道陕西省 西安市 蓝田县 灞源乡陕西省 西安市 蓝田县 孟村乡陕西省 西安市 蓝田县 安村乡陕西省 西安市 蓝田县 史家寨乡陕西省 西安市 蓝田县 小寨乡
2024/10/7 19:58:11
2.32MB
1
西安市shp格式地图，带地理坐标系，内容详细到村庄。
包含地理信息、商业POI数据，各级道路信息等，丰富数据。
数据的时间未知，但是数据量非常大，够详细。
包含地理信息、商业POI数据，各级道路信息等，丰富数据。
数据的时间未知，但是数据量非常大，够详细。
2024/9/3 7:29:53
5.81MB
1
文件中包含大雁塔OSGB和3Dtiles文件和西安市白模3Dtiles数据使用白模的属性附着在倾斜影像图上实现属性展示
2024/7/21 18:41:07
132.82MB
1
针对神经网络算法在当前PM2．5浓度预测领域存在的易过拟合、网络结构复杂、学习效率低等问题，引入RFR（randomforestregression，随机森林回归）算法，分析气象条件、大气污染物浓度和季节所包含的22项特征因素，通过调整参数的最优组合，设计出一种新的PM2．5浓度预测模型——RFRP模型。
同时，收集了西安市2013--2016年的历史气象数据，进行模型的有效性实验分析。
实验结果表明，RFRP模型不仅能有效预测PM2．5浓度，还能在不影响预测精度的同时，较好地提升模型的运行效率，其平均运行时间为O．281S，约为BP-NN（backpropagationneuralnetwork，BP神经网络）预测模型的5．88％。
同时，收集了西安市2013--2016年的历史气象数据，进行模型的有效性实验分析。
实验结果表明，RFRP模型不仅能有效预测PM2．5浓度，还能在不影响预测精度的同时，较好地提升模型的运行效率，其平均运行时间为O．281S，约为BP-NN（backpropagationneuralnetwork，BP神经网络）预测模型的5．88％。
2024/3/5 9:44:07
1.18MB
1
这是一个包含了西安市目前为止所有公交、地铁线路的所有数据，从网上爬下来的。
一共是473条线路。
具体数据是怎么存的大家一定一眼就能看出来。
但是，并没有考虑上下行线路不一样的情况，千万别较真，仅供学习使用。
较真请使用百度API或者本人爬。
一共是473条线路。
具体数据是怎么存的大家一定一眼就能看出来。
但是，并没有考虑上下行线路不一样的情况，千万别较真，仅供学习使用。
较真请使用百度API或者本人爬。
2018/5/5 13:22:12
214KB
1
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。
2024-04-09 15:03
15KB