一、Q500D钢板简介：Q500D归属于高强度结构钢板，Q500D钢板执行标准为：GB/T 16270-2009 专用技术条件。
牌号命名方法：钢的牌号由代表屈服强度的汉语拼音首位字母，规定最小屈服强度数值、质量等级符合（C、D、E、F）三个部分按顺序排列。
Q---钢材屈服强度的“屈”字汉语拼音的首位字母;
500---规定最小屈服强度的数值，单位MPa；
D---质量等级符号。
二、Q500D
原创
2023-05-15 17:23:19
425阅读
一、Q500MD钢板简介：Q500MD钢板属于低合金高强度结构钢板，Q500MD钢板执行标准为：GB/T 1591-2018专用技术条件。钢板的名称由代表屈服强度...二、Q500MD钢板化学成分：CSiMnPSNiCrMoCuNbVTiAlsNBPcmMax≤0.18≤0.6≤1.8≤0.03≤0.025≤0.8≤0.6≤0.2≤0.550.010~0.110.010~0.120.006~0.0
原创
2023-06-06 15:37:42
112阅读
见 qglog.h文件定义： #define Q_D(Class) Class##Private * const d = d_func() #define Q_Q(Class) Class * const q = q_func() d指针是在主类中使用的，来获取私有子类成员指针 q指针是在私有数据类
原创
2021-08-10 17:34:10
1978阅读
电容器在电子电路中几乎是不可缺少的储能元件，它具有隔断直流、连通交流、阻止低频的特性。广泛应用在耦合、隔直、旁路、滤波、调谐、能量转换和自动控制等电路中。熟悉电容器在不同电路中的名称意义，有助于我们读懂电子电路图。 1．滤波电容 它接在直流电源的正、负极之间，以滤除直流电源中不需要的交流成分，使直流电平滑。一般常采用大容量的电
转载
2024-07-16 13:13:49
60阅读
1 . Arima时序分析模型1.1 基础知识： 1.2 Arima模型原理：ARIMA模型是时间序列分析中应用最广泛的模型之一，ARIMA(p,d,q)由三个部分组成- AR(p):AR是autoregressive的缩写，表示自回归模型。含义是当前时间点的值等于过去若干个时间点的回归——因为不依赖与别的解释变量，只依赖于自己过去的历史值，故称为自回归；如果依赖过去最近的p个历史值，称
转载
2023-08-01 15:07:47
2608阅读
Qt 源码中有很多Q_Q和Q_D宏，使用这些宏的地方总会看到有q指针和d指针，查了查KDE文档，大体搞清了其中的机理，欧也！Qt的这些私有数据访问策略还是挺值得借鉴。下面就简单总结一下。 访问器 , `7 {$ C! D6 g( X发了点牢骚，Qt的成员变量get访问器命名实在有点难以接受，get访 Read More
转载
2015-12-10 05:47:00
149阅读
2评论
一、Q460D钢板简介：Q460D钢板是低合金高强度钢板，Q460D钢板执行标准GB/T1591标准生产，以热轧的交货状态交货，钢板屈服强度不小于460MPa，钢板冲击温度负20冲击，生产厚度8mm-400mm之间。执行标准：GB/T1591。二、Q460D钢板化学成分：CSiMnPSNiCrMoCuNbVTiAlsNBPcmMax≤0.2≤0.6≤1.8≤0.03≤0.025≤0.8≤0.3≤0
原创
2023-04-18 17:30:18
65阅读
Qt中的d指针和q指针，其实就是用pImpl手法来实现对接口细节的隐藏（不过它是用宏做了一些处理），从而做到尽可能少的暴露头文件给用户
转载
2022-06-13 17:27:50
314阅读
如何使用Docker实现Ctrl+p+q+d
Docker是一款流行的容器化平台，可以帮助开发者快速部署、运行和管理应用程序。在使用Docker时，有时候我们需要在容器内部运行一些命令或操作，但是又不希望关闭容器，这时候就需要使用到"Ctrl+p+q+d"这个组合键组合，以将Docker容器从当前终端分离出来，但保持容器运行。在本篇文章中，我将向你详细介绍如何实现这一功能。
整个过程可以分为以
原创
2023-12-26 05:23:07
122阅读
一、Q800D钢板简介：Q800D属于调制性高强度结构钢，Q800D执行标准为：GB/T 16270-2009 高强度结构用调质钢板。有四个级别：Q800C、Q800D、Q800E、Q800F。Q代表的是钢材屈服强度的“屈”字汉语拼音的首位字母；800就是规范规定的最小屈服强度数值，单位为MPa；C、D、E、F就是质量等级符号。冲击温度分别对应0°C、-20°C、-40°C、-60°C冲击，如有Z
原创
2023-05-25 14:16:45
221阅读
# ARIMA模型的Python实现
## 简介
ARIMA（自回归滑动平均模型）是一种常用的时间序列分析方法，用于预测未来的数据值。ARIMA模型可以通过拟合历史数据来捕捉数据中的趋势、季节性和周期性。
ARIMA模型由三个参数组成：p、d和q。其中，p表示自回归项的阶数，d表示差分的次数，q表示滑动平均项的阶数。在确定这些参数时，可以使用多种方法，如观察自相关图（ACF）和偏自相关图（P
原创
2023-08-18 12:33:25
334阅读
# ARIMA模型的Python输出 p d q
## 什么是ARIMA模型？
ARIMA模型是一种用于时间序列预测的经典统计方法，它能够有效地捕捉数据中的趋势和季节性变动。ARIMA模型由自回归(AR)、差分(I)和移动平均(MA)三部分组成，分别用p、d、q三个参数表示。
- p：自回归项的阶数，表示模型中考虑的历史观测值的数量。
- d：时间序列进行差分的次数，用于使数据稳定。
- q
原创
2024-02-24 04:26:59
90阅读
用途：结构钢，工程及矿山机械
说明：本产品系一般结构和工程用低合金高强度结构钢钢板、钢带、型钢、钢棒等
原创
2022-04-09 10:45:18
438阅读
点赞
# Python中的ARIMA模型：q、d、p的确定
在时间序列分析中，ARIMA（自回归积分滑动平均）模型是一个非常重要的工具。它广泛应用于经济学、气象预测、金融分析等领域。ARIMA模型由三个参数构成：p、d、q。本文将详细介绍这三个参数的含义以及如何在Python中使用它们来构建ARIMA模型，并通过代码示例进行说明。
## ARIMA模型参数概述
- **p（自回归项）**：表示模型
原创
2024-10-20 06:54:30
323阅读
Time Series: Autoregressive models AR, MA, ARMA, ARIMAMingda Zhang University of Pittsburgh mzhang@cs.pitt.edu时域vs频域 This lecture will focus on univariate, linear, discrete time series.
Linux 802.11n CSI Tool安装说明（Inter 5300版本）AP模式前言安装准备安装过程 前言很早之前安装过CSI Tool，因为设备更新需要重新安装，安装过程中出现之前没有遇到过的部分问题，将问题解决后决定写博客供大家参考。大部分人选择参考 http://dhalperi.github.io/linux-80211n-csitool/old_installation.htm
转载
2024-07-25 17:57:38
93阅读
模型的参数由ACF和PACF确定，如下表格如何确定参数
原创
2022-01-11 15:49:32
10000+阅读
.proQT += datavisualizationPolSU**ACEWidget 代码示例PolSU**ACEWidget.h
#ifndef POLSU**ACEWIDGET_H
#define POLSU**ACEWIDGET_H
#include <QWidget>
#include <QtDataVisualization>
using namespace
原创
2024-04-22 09:20:36
62阅读
综述在音频电路设计中，薄膜电容是个常客。它的损耗角非常低，电容值较小，耐压比较大，可以用于耦合、滤波、退耦等场合。在应用中我发现，薄膜电容种类较多，技术参数的关注点与电解电容有所不同，于是查阅了Wiki和各个厂家的Datasheet，在这里做一个总结。薄膜电容总的来说性能很好，但也分很多种类和级别，应用的场合也有所不同。基础知识在Wiki上很详尽，下图展示了薄膜电容的电极/电介质材料和它们的缩写：
转载
2024-10-24 18:00:23
117阅读
原理请查阅相关图书本文建立于Anaconda 可能部分代码不适用于IDLE编译器需要轻微改动首先应导入所需要的第三方库。import pandas as pd
import matplotlib.pyplot as plt
from statsmodels.graphics.tsaplots import plot_acf
from statsmodels.graphics.tsapl
转载
2024-06-07 13:29:54
130阅读
