Hexo博客完整使用指南📝 快速命令速查常用命令组合1234hexo cl ; hexo g ; hexo d # 清理+生成+部署到GitHub (一键发布)hexo cl ; hexo s # 清理+本地预览hexo g ; hexo s # 生成+本地预览(不清理缓存)hexo s --debug # 调试模式启动本地服务器 命令详解123456789101112131415hexo clean # 清理缓存文件 (db.json) 和已生成的静态文件 (public)hexo cl # clean 的简写hexo generate # 生成静态文件到 public 文件夹hexo g # generate 的简写hexo g --watch # 监听文件变化并自动生成hexo server # 启动本地服务器，默认地址 http://localhost:4000hexo s # s ...

七一表彰大会后续工作预判一、音乐材料整理1. 音乐分类归档目前相关音乐已初步下载完成，后续需要按照大会流程进行分类整理，避免现场使用时混乱。 建议建立如下文件夹： 1234567七一表彰大会音乐/├─ 1-暖场音乐/├─ 2-退休党员颁奖音乐/├─ 3-教师颁奖音乐/├─ 4-学生颁奖音乐/├─ 5-退场音乐/└─ 6-备用音乐/ 2. 音乐文件命名建议统一命名格式，方便现场工作人员快速识别。 1环节-曲名-版本-时长.mp3 示例： 12345暖场-我和我的祖国-钢琴版-03分20秒.mp3退休党员颁奖-红旗颂-舒缓剪辑版-02分10秒.mp3教师颁奖-颁奖进行曲-纯音乐版-03分00秒.mp3学生颁奖-我们都是追梦人-伴奏版-04分15秒.mp3退场-欢送进行曲-纯音乐版-02分50秒.mp3 二、音乐筛选与确认1. 每个环节确定主用音乐和备用音乐每个环节不建议只准备一首音乐，最好保留备用方案，防止现场临时调整。 环节 主用音乐 备用音乐 备注 暖场 3—5首循环播放 2首备用 音乐要舒缓、庄重、不张扬 退休党员颁奖 1首 1首 氛围应庄重、温情、有致敬感 ...

Claude Code 常用 / 指令汇总 适用于 Anthropic Claude Code CLI 开发环境常见用途：代码生成、项目分析、Git 操作、终端辅助、调试等 1. 基础命令 指令 作用 /help 查看帮助 /clear 清空当前上下文 /exit 退出 Claude Code /reset 重置会话 /status 查看当前状态 /config 查看配置 /model 切换模型 2. 文件与项目操作 指令 作用 /ls 查看当前目录 /tree 显示项目树 /pwd 查看当前路径 /open <file> 打开文件 /cat <file> 查看文件内容 /edit <file> 编辑文件 /diff 查看修改差异 /save 保存当前修改 3. Git 相关 指令 作用 /git status 查看 Git 状态 /git diff 查看 Git 修改 /git log 查看提交历史 /commit 自动生成 commit ...

预测任务grid + 3h 时间窗是否发生 lightning（二分类） 空间分辨率：ECMWF HRES网格（0.1°×0.1° ≈ 10 km） 时间分辨率：每3小时一个窗口（0/1标签：该格点3h内是否有至少1次闪电） 研究区域：意大利全境（36.0°N–47.0°N，7.5°E–19.0°E，9975个网格点，约99.75万 km²） 输入数据ECMWF HRES 气象特征（不含litota3闪电变量本身） 9个二维场 + 5个垂直廓线（7个气压层：925/850/700/600/500/400/300 hPa） 原始特征示例：CAPE、cp（对流降水）、tcw、tp、mslp、hcc、sp、w925、w850 衍生特征：ΔT/Δq/Δθ（各层温差、比湿差、位温差）、capetp乘积、q-vector、位涡、潜在温度垂直梯度 空间聚合：每个网格点额外计算11×11邻域的mean/max/min/std（捕捉大尺度效应） 辅助特征：纬度、经 ...

发表流程Received 2 September 2025；revised 2 January 2026；Accepted 7 February 2026；Available online 9 February 2026 目前预测困难点闪电的高度局部性、瞬时性和随机性（相同气象条件下，闪电可能发生或者不发生，且位置、时间存在差异） 现有模型难以捕捉动态空间上下文与随机性 未能充分利用雷达反射率、云属性等数据 高度依赖天气预报（NWP）系统。 核心创新点 提出DeepLight双编码器架构，仅使用真实多源观测数据（雷达反射率、云属性、历史雷电），消除对NWP的依赖。 设计多分支卷积技术，动态捕捉不同尺度空间相关性 引入Hazy Loss 邻域感知损失函数，通过高斯模糊显示建模时空不确定性，按接近真实事件距离进行平滑惩罚 ，提升模型在随机性下的学习能力。在Equitable Threat Score)ETS上较SOTA提升18%-30%。                      代码阅读部分的理解数据加载部分                               ...