Tmux 常用指令速查会话管理
操作
命令 / 快捷键
创建命名会话
tmux new -s <名称>
列出所有会话
tmux ls
附加到会话
tmux attach -t <名称>
分离当前会话
Ctrl+b d
重命名会话
Ctrl+b $
终止会话
tmux kill-session -t <名称>
窗口管理
操作
快捷键
新建窗口
Ctrl+b c
切换到下一窗口
Ctrl+b n
切换到上一窗口
Ctrl+b p
按编号切换窗口
Ctrl+b <数字>
重命名窗口
Ctrl+b ,
关闭当前窗口
Ctrl+b &
显示窗口列表
Ctrl+b w
窗格管理
操作
快捷键
垂直分割(左右)
Ctrl+b %
水平分割(上下)
Ctrl+b "
切换窗格
Ctrl+b 方向键
关闭当前窗格
Ctrl+b x
最大化 / 还原窗格
Ctrl+b z
调整窗格大小
Ctrl+b Alt+方向键
...
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 ...
一、前置条件(确认一下)
✅ 已安装 Git在 VS Code 终端输入:git --version有版本号说明 OK。
✅ 当前 VS Code 打开的文件夹 = 你要上传的文件夹(终端路径应在该文件夹下)
二、在当前文件夹初始化 Git 仓库git init
如果你看到 Initialized empty Git repository,说明成功。
三、(可选但强烈建议)创建 .gitignore防止把不该传的文件传上去,比如:
node_modules/.env .DS_Storedist/
保存为 .gitignore 文件。
四、将当前文件夹所有文件加入 Gitgit add .
. 代表当前目录下的所有文件
检查一下状态:
git status
五、提交到本地仓库git commit -m "initial commit"
六、关联 GitHub 私有仓库1️⃣ 在 GitHub 上创建私有仓库
New repository
勾选 Private
不要勾选 README / .gitignore(避免冲突)
...
LightNetPlus 借鉴论文 MotionGRU + GAN 的改造方案(面向你现有 PyTorch 代码)
目标:在尽量少改动你当前 LightNetPlus 结构的前提下,借鉴论文里的
MotionGRU(瞬态变化 + 趋势动量) 来增强多步滚动预测的稳定性与“运动一致性”
GAN 对抗训练(cGAN / 序列判别) 来缓解“平均化模糊”,提升高密度雷电区域的细节、形态真实性
0. 你当前模型结构回顾(为什么好改)你现有结构是典型的「多源编码 + 融合隐状态 + 自回归解码」:
3 个 Encoder(WRF / LIG / AWS)分别提取时序特征,输出最后时刻隐状态 (h1,c1), (h2,c2), (h3,c3)
通过 1×1 Conv 做通道对齐,然后 cat 得到融合的 (h,c),通道=64
Decoder 采用自回归循环预测 num_PRED 步,每一步用 current_input 生成 out,再喂回去
这非常契合 MotionGRU 的“每一步更新 motion state”,也很适合 GAN ...
12月19 工作记录数据处理方面:
实现了
指标
含义
来源文件
主要用途
K Index
雷暴潜势
ECMFC1D_K
判断对流条件
LI
抬升指数
ECMFC1D_LI
大气稳定度诊断
SWEAT
强对流威胁指数
ECMFC1D_SWEAT
评估超级单体潜势
TT
总不稳定指数
ECMFC1D_TT
快速雷暴判别
BCAPE
最优 CAPE
ECMFC1D_BCAPE
最强对流潜势
BLI
混合层抬升指数
ECMFC1D_BLI
更真实的稳定度估计
CAPE
对流可用能量
ECMFC1D_CAPE
对流强度指标
DCAPE
下击暴流能量
ECMFC1D_DCAPE
风暴破坏性评估
Theta_E_700hPa
700hPa 等效位温
ECMFC1D_Theta_E_700hPa
中层热力结构分析
Theta_E_850hPa
850hPa 等效位温
ECMFC1D_Theta_E_850hPa
低层湿热诊断
这些数据由原始ECMFC1D_grib数据到我们需要的时间分辨率和空间分辨率的实现,并尽可能的实现了封装,几行代码即可轻松调 ...
基于高密度面积和利用远程闪电位置数据进行外推的闪电临近预报研究背景传统闪电预报主要分为两类:
基于雷达回波或卫星数据的外推方法
数值天气预报(NWP)
然而,这些方法存在以下局限:
多源数据融合效率低,系统复杂度高
雷达观测存在距离限制和遮蔽问题
NWP需要大量计算资源,难以满足频繁更新需求
核心创新点1. 基于物理现象统计的高密度区域生成方法将离散的闪电定位点转换为连续的高密度概率区域,解决了闪电数据空间非连续性问题。
2. 闪电临近预报模型(ME-RNN)提出Motion-Enhanced RNN模型,能够捕捉雷暴的演化、迁移、分离和合并过程。
3. GAN架构优化利用生成对抗网络增强长时序预测能力,显著提高信噪比和预测分辨率。
方法一:闪电高密度区域识别方法1.1 核心思想传统方法直接使用离散的闪电定位点进行预测,但由于闪电位置的时空分布具有明显的突变性和非连续性,直接外推精度很低。本研究提出将单次闪电看作一个概率源,通过概率叠加形成连续的高密度区域。
1.2 技术实现流程步骤1:单次闪电的概率分布建模根据Zhang et al. (2017)的研究,闪电的分支结构水平 ...





