已經跟呼吸一樣重要的網路和手機論文書籍站
記憶體時序查詢的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列免費下載的地點或者是各式教學
記憶體時序查詢的問題，我們搜遍了碩博士論文和台灣出版的書籍，推薦陳曉宇,楊川胡,陳嘯寫的 異形般強大的監控系統：Prometheus掌控主機、VM、容器及K8S 和黃文毅的 分散式微服務架構：原理與實戰都 可以從中找到所需的評價。
另外網站倉頡iphone 安裝住警器2023也說明：如查多於一字，上方會顯示所有查詢的字的連結。 ... 載並解壓縮筆者分享的壓縮檔，傳輸到手機記憶卡裡面，接著使用檔案總管之類的軟體(可在Android Market下載)執行 ...
這兩本書分別來自深智數位 和清華大學所出版 。
中原大學 電機工程學系 洪穎怡所指導 詹于萱的 基於粒子群最佳化卷積神經網路進行短期負載預測 （2021），提出記憶體時序查詢關鍵因素是什麼，來自於負載預測、卷積神經網路、相關性分析、神經網路架構、粒子群優化演算法。
而第二篇論文國立高雄科技大學 半導體工程系 葉旻彥所指導 魏佑任的 架設具記錄空氣品質及查詢歷史資料功能之室內空氣品質監測系統 （2020），提出因為有 空氣品質監測、空氣盒子、人機介面的重點而找出了 記憶體時序查詢的解答。
最後網站阿里雲提供全套雲運算服務及解決方案為香港企業的數碼化轉型 ...則補充：託管應用程式使用記憶體快取的鍵值型數據庫 ... 低成本、高可用度、可靈活增減規模的網上時序資料庫服務 ... 域名註冊者、到期日、所屬註冊商等資訊查詢. DingTalk ...
異形般強大的監控系統：Prometheus掌控主機、VM、容器及K8S
為了解決記憶體時序查詢 的問題，作者陳曉宇,楊川胡,陳嘯 這樣論述：
伴隨著容器相關技術的興起，Prometheus 正逐步成為容器監控的標準，並且對於傳統應用和裝置也有很好的相容性。 全書共分為4 篇12 章，分別說明Prometheus 原理、在傳統應用監控和Kubernetes 監控中的應用，以及原始程式和擴充。 Prometheus 由Go 語言撰寫而成，採用Pull 方式取得監控資訊，並提供了多維度的資料模型和靈活的查詢介面。Prometheus 不僅可以透過靜態檔案設定監控物件，還支援自動發現機制，能夠透過Kubernetes、Consul、DNS 等多種方式動態取得監控物件。在資料獲取方面，借助Go 語言的高平行處
理特性，單機Prometheus 可以擷取數百個節點的監控資料；在資料儲存方面，隨著本機時序資料庫的不斷最佳化，單機Prometheus 每秒可以擷取一千萬個指標，如果需要儲存大量的歷史監控資料，則還支援遠端儲存。 全書重點涵蓋： ►最強大的系控監控平台，可監控叢集、伺服器、虛擬、容器 ►完整的資源管理、包括網路、儲存、CPU、記憶體、作業系統 ►不需要自行組合Logstash/ElasticSearch/Kibana，單一完整監控系統 ►最重要的就是針對Kubernetes的完整監控 ►包括Kubernetes容器、服務自動發現等 ►針對Kubernetes的物
件、如cAdvisor, apiserver, kube-state-metrics ►Kubernetes叢集監控，Granfna的使用 ►完整Prometheus的原始碼分析及改裝 適合讀者群：運維工程師、軟體架構師、研發工程師，及相關IT產業工作者參考和閱讀。 本書特色 ◎ 系統講解Prometheus的原理、應用、原始程式和擴充 ◎ 圖文並茂、由淺入深、完整解說
基於粒子群最佳化卷積神經網路進行短期負載預測
為了解決記憶體時序查詢 的問題，作者詹于萱 這樣論述：
中文摘要 IAbstract II致謝 III目錄 IV圖目錄 IX表目錄 XIV第一章 緒論 11-1 研究背景與動機 11-2 文獻回顧 21-3 研究目標與步驟 51-4 論文貢獻 61-5 論文架構 7第二章 台電系統概況與資料採集 92-1 台灣電力系統概況 92-2 台灣各機組配比概況 122-3 台灣電力供需現況 132-4 歷史資料介紹 152-4-1 負載歷史資料 152-4-2 氣象歷史資料 172-4-3 工作日及非工作日定義 19第三章 理論基礎 213-1 卷積神經網路（Convolutional Neural Net
work, CNN） 213-1-1 卷積神經網路架構 213-1-2 卷積神經網路參數及超參數 273-2 粒子群優化演算法（Particle Swarm Optimization, PSO） 283-3 基因演算法（Genetic Algorithm, GA） 313-4 小波轉換（Wavelet Transform, WT） 333-5 輻狀基底函數類神經網路（Radial Basis Function Neural Network, RBFNN） 353-6 長短期記憶網路（Long Short-Term Memory, LSTM） 373-7 支持向量機（Suppor
t Vector Machine, SVM） 413-8 整合移動平均自迴歸模型（Autoregressive Integrated Moving Average, ARIMA） 433-9 向量自迴歸移動平均模型（Vector Autoregressive Moving Average, VARMA） 443-10 最小冗餘最大相關性（minimal-redundancy-maximal-relevance, mRMR） 45第四章 硬體及軟體 464-1 硬體 464-1-1 GPU及工作站介紹 464-1-2 多GPU分散式訓練 494-2 軟體 524-2-1 Py
thon 524-2-2 Python工具包 524-3 程式執行步驟 68第五章 研究方法 725-1 輸入資料預處理 725-1-1 資料編排 725-1-2 資料正規化 735-1-3 訓練集/測試集資料分割 745-2 斯皮爾曼相關性分析 755-3 卷積神經網路架構 765-4 增強型菁英粒子演算法（Enhanced Elite-Based PSO, EEPSO） 775-4-1 平均搜尋和混沌法調整慣性權重（Mean Search and Chaotic Descending Inertia Weight） 785-4-2 粒子刪減和複製（Particle
Trimming/Duplicating） 795-4-3 搜尋空間及參數定義（Search Space and Parameter Setting） 805-5 演算法流程 82第六章 模擬結果與分析 856-1 迴歸指標介紹 856-2 斯皮爾曼相關性分析結果 866-3 增強型菁英粒子演算法與現有PSO方法之比較 896-4 與其他方法之比較 93第七章 結論與未來研究建議 1057-1 結論 1057-2 未來研究建議 106參考文獻 107圖2-1台電系統電廠及電網分布圖[29] 10圖2-2台灣電力系統之示意[30] 11圖2-3台電110年系統裝
置容量與發購電量配比[30] 13圖2-4 109年與110年國內各部門能源消費變動[31] 14圖2-5台灣2019年負載曲線變化 16圖2-6台灣夏季及冬季一週負載曲線變化 16圖2-7溫度和平均用電與尖峰負載之關係圖[32] 18圖2-8交通部中央氣象局觀測資料查詢系統 19圖3-1當步幅為1時，卷積層中內核移動方式 23圖3-2當步幅為2時，卷積層中內核移動方式 24圖3-3零填充 24圖3-4卷積計算、內核大小、步幅和零填充之範例 25圖3-5平均/最大池化操作過程 25圖3-6 Dropout計算[35] 26圖3-7粒子移動向量示意圖 29圖3-8粒子群
優化演算法流程圖 30圖3-9基因演算法流程圖 32圖3-10不同尺度大小下之小波函數示意圖 34圖3-11離散小波轉換之階層架構 35圖3-12輻狀基底函數神經網路架構 37圖3-13長短期記憶神經網路單元細胞架構 38圖3-14 LSTM單元細胞內部各個門控的運作過程 39圖3-15 LSTM單元細胞內部各個門控的運作過程 40圖3-16 LSTM單元細胞內部各個門控的運作過程 40圖3-17 LSTM單元細胞內部各個門控的運作過程 41圖4-1 CPU及GPU處理器內部結構圖 47圖4-2 Host和Device之關係圖 48圖4-3 Ubuntu 18.04 L
TS作業系統 48圖4-4 NVIDIA GeForce RTX 2080 Ti GPU之規格 49圖4-5 GPU記憶體管理allow_growth指令 50圖4-6 GPU記憶體管理per_process_gpu_memory_fraction指令 50圖4-7 使用tf.device()進行多GPU分配設定 50圖4-8展示使用tf.distribute.MirroredStrategy分散式訓練之範例 51圖4-9 Numpy工具包之範例 53圖4-10 Pandas工具包之範例 54圖4-11 簡易數據流程圖範例 55圖4-12 TensorFlow運算功能 55
圖4-13時序型建構 56圖4-14 Keras函數式API(多輸入模型)建構 57圖4-15 Keras建構模型之流程 58圖4-16 Hyperactive工具包所支援之各項功能[39] 59圖4-17 Hyperactive工具包使用指令 60圖4-18 Hyperactive運算過程 61圖4-19 DEAP工具包所提供之運算功能[40] 62圖4-20 DEAP使用步驟 62圖4-21 scipy.stats.spearmanr範例 63圖4-22 pymrmr工具包操作範例 64圖4-23 PyWavelets工具包操作範例 65圖4-24使用sklearn.
metrics計算R-Squared、MAE和RMSE之範例 66圖4-25 sklearn.svm指令範例 66圖4-26 statsmodels.tsa.arima_model指令 68圖4-27 statsmodels.tsa.statespace.varmax指令 68圖4-28 ANACONDA NAVIGATOR介面下環境建立之操作流程 69圖4-29啟動Jupyter Notebook 70圖4-30 (a)顯示程式碼運行時GPU使用率(b)為GPU初始狀態 71圖5-1混合式卷積神經網路架構之範例 77圖5-2粒子刪減和複製 80圖5-3 Hyperactiv
e工具包混合整數和實數編碼指令 81圖5-4增強型菁英粒子演算法流程圖 84圖6-1春季斯皮爾曼相關性分析結果 87圖6-2夏季斯皮爾曼相關性分析結果 87圖6-3秋季斯皮爾曼相關性分析結果 88圖6-4冬季斯皮爾曼相關性分析結果 88圖6-5不同PSO方法迭代過程之g_best^值 92圖6-6預測值與實際值負載曲線(春季) 102圖6-7預測值與實際值負載曲線(夏季) 103圖6-8預測值與實際值負載曲線(秋季) 103圖6-9預測值與實際值負載曲線(冬季) 104表4-1常見的深度學習框架優缺點統整[38] 55表4-2 sklearn.svm指令中所有參數介紹
67表4-3所使用相關軟體及Python工具包版本 68表5-1訓練集/測試集資料分割 74表5-2粒子搜尋空間 81表6-1不同PSO方法之三項性能指標分析 91表6-2不同PSO方法所獲得之最佳卷積神經網路架構 91表6-3不同PSO方法所獲得之最佳卷積神經網路架構 92表6-4染色體編碼及所對應之映射範圍(二進制編碼) 97表6-5染色體編碼及所對應之映射範圍(整數編碼) 97表6-6使用不同方法之比較結果(春季) 98表6-7使用不同方法之比較結果(夏季) 98表6-8使用不同方法之比較結果(秋季) 99表6-9使用不同方法之比較結果(冬季) 99表6-10
本論文所提出之EEPSO方法與其他比較方法之間四個季節DM檢定結果 101表6-11 GA-CNN和本論文所提出EEPSO-CNN訓練時間比較 102
分散式微服務架構：原理與實戰
為了解決記憶體時序查詢 的問題，作者黃文毅 這樣論述：
隨著互聯網技術的發展，系統架構由單體架構、垂直MVC架構、SOA服務化、分散式服務演變到分散式微服務架構，這是互聯網企業架構的必經之路。分散式微服務架構涵蓋的技術面廣，知識點多。本書旨在讓更多電腦從業者熟悉一個完整的分散式微服務架構所涉及的基礎概念、涵蓋的技術以及實戰開發。 本書蘊含的知識體系甚廣，第1~2章主要講解架構是如何向前演化發展的以及閱讀本書之前需要準備的環境。第3~5章主要講解服務之間的RPC調用、通信協議等。第6~7章主要講解服務路由以及服務註冊中心的原理和實踐。第8章主要講解服務調用。第9章主要講解服務容器化以及如何部署和發佈服務。第10~11章主要講解服務限流、降級、容錯以
及熔斷等技術。第12~13章主要講解如何搭建服務日誌和監控體系。第15章主要講解配置中心的原理以及如何搭建配置中心。第16章主要講解分散式資料庫、分散式緩存、分散式事務、分散式Session以及服務如何通過Kafka解耦。第17章主要講解微服務如何測試。第18章主要講解目前主流的分散式微服務架構案例。本書適用於所有Java程式設計語言開發人員、分散式微服務架構愛好者以及電腦專業的學生等。 黃文毅 CSDN博客專家，CSDN學院、網易學院和騰訊學院等網路學院講師。曾就職於廈門星耀藍圖科技有限公司（為浦發銀行、興業銀行、南京銀行、湖南農信銀行等銀行開發系統）和上海美團（從事美
團和大眾點評後端開發工作），目前就職於廈門美圖科技有限公司，從事美圖秀秀和美拍後端開發工作。 第1章 從架構演進啟程 1 1.1 水準分層架構 1 1.1.1 應用架構概述 1 1.1.2 MVC架構/水準分層架構 2 1.2 SOA服務化架構 3 1.2.1 SOA概述 4 1.2.2 SOA的特徵 4 1.2.3 SOA面臨的問題 5 1.3 分散式微服務架構 5 1.3.1 微服務概述 5 1.3.2 SOA與微服務 5 1.3.3 微服務架構的特點 6 1.3.4 微服務架構的缺點 6 1.3.5 微服務架構全景圖 7 1.3.6 微服務類型 8 1.3.7 微服務
拆分原則與步驟 9 第2章 微服務開發框架 11 2.1 環境準備 11 2.1.1 安裝JDK 11 2.1.2 安裝 Intellij IDEA 14 2.1.3 安裝 Apache Maven 14 2.2 一分鐘快速搭建Spring Boot項目 15 2.2.1 使用Spring Initializr新建專案 15 2.2.2 測試 18 2.3 Spring Boot簡單介紹 18 2.3.1 Spring Boot核心功能及特性 19 2.3.2 Spring Boot的缺點 20 2.4 Spring Boot目錄介紹 20 2.4.1 Spring Boot工程目錄 20
2.4.2 Spring Boot入口類 21 2.4.3 Spring Boot測試類 22 2.4.4 pom文件 23 2.5 Spring Boot生產級特性 24 2.5.1 應用監控 24 2.5.2 健康檢查 28 2.5.3 跨域訪問 29 2.5.4 外部配置 30 第3章 分散式RPC框架 31 3.1 RPC框架概述 31 3.1.1 RPC的定義 31 3.1.2 RPC核心組件 31 3.1.3 RPC調用過程 32 3.1.4 RPC框架調用分類 33 3.1.5 RPC框架性能 35 3.1.6 RPC框架與分散式服務框架 35 3.2 RPC框架 36 3.2
.1 RMI遠程方法調用 36 3.2.2 Thrift 37 3.2.3 Hessian 38 3.2.4 Avro-RPC 38 3.2.5 gRPC 38 3.2.6 其他RPC框架 39 第4章 序列化與反序列化 40 4.1 序列化與反序列化 40 4.1.1 序列化/反序列化概念 40 4.1.2 序列化/反序列化特性 41 4.2 常用序列化框架 41 4.2.1 Java默認序列化 41 4.2.2 XML序列化框架 46 4.2.3 JSON序列化框架 48 4.2.4 ProtoBuf序列化框架 50 第5章 微服務底層通信與協定 54 5.1 Java網路通信 54
5.1.1 傳統BIO程式設計 54 5.1.2 偽非同步I/O程式設計 60 5.1.3 NIO程式設計 62 5.2 Netty框架 78 5.2.1 Netty概述 78 5.2.2 第一個Netty應用程式 78 5.2.3 Netty架構設計 84 5.3 分散式服務框架協定 89 5.3.1 主流公有協議 89 5.3.2 私有協議設計 90 第6章 服務路由與負載均衡 94 6.1 服務路由概述 94 6.1.1 服務路由的定義 94 6.1.2 服務資訊存放方式 94 6.2 負載均衡概述 95 6.2.1 Nginx的定義 95 6.2.2 負載均衡的實現 95 6.2.3
負載均衡演算法 98 第7章 微服務註冊中心 103 7.1 瞭解微服務註冊中心 103 7.1.1 註冊中心幾個概念 103 7.1.2 註冊中心 104 7.2 ZooKeeper實現服務註冊中心 104 7.2.1 ZooKeeper概述 104 7.2.2 ZooKeeper的原理 105 7.2.3 ZooKeeper的安裝 106 7.2.4 ZooKeeper搭建集群環境 109 7.2.5 ZooKeeper集群總體架構 110 7.2.6 命令列用戶端zkCli.sh 112 7.2.7 ZkClient連接ZooKeeper 116 7.2.8 ZooKeeper實現服
務註冊與發現 120 第8章 微服務框架服務調用與容錯 122 8.1 服務調用概述 122 8.2 服務調用方式 123 8.2.1 同步服務調用 123 8.2.2 非同步服務調用 125 8.2.3 並行服務調用 130 8.2.4 泛化調用 132 第9章 分散式微服務封裝與部署 133 9.1 微服務封裝技術 133 9.1.1 Docker概述 133 9.1.2 Docker的基本概念 135 9.1.3 Docker架構 135 9.1.4 Docker的安裝 137 9.1.5 Docker的常用命令 138 9.1.6 製作鏡像 142 9.1.7 使用Dockerfi
le構建鏡像 144 9.1.8 Spring Boot集成Docker 147 9.2 微服務部署概述 150 9.2.1 藍綠部署 150 9.2.2 滾動發佈 152 9.2.3 灰度發佈/金絲雀部署 154 第10章 分散式服務限流 155 10.1 服務限流概述 155 10.1.1 限流定義 155 10.1.2 限流演算法 155 10.2 限流設計 157 10.2.1 限流設計原理 157 10.2.2 分級限流 158 第11章 服務降級、熔斷、調度 159 11.1 服務降級概述 159 11.2 服務降級方式 159 11.2.1 服務降級開關 159 11.2.2
自動降級 160 11.2.3 讀服務降級 161 11.2.4 寫服務降級 161 11.3 服務容錯策略 161 11.3.1 失敗轉移（Failover） 162 11.3.2 失敗自動恢復（Failback） 162 11.3.3 快速失敗（Failfast） 162 11.3.4 失敗緩存（FailCache） 162 11.4 Hystrix降級、熔斷 162 11.4.1 Hystrix簡介 162 11.4.2 Hystrix實現降級/熔斷 164 11.5 服務優先順序設計 165 11.5.1 服務實例數量調整 165 11.5.2 加權優先順序佇列 166 11.5.3
執行緒調度器 167 第12章 服務版本與服務發佈 168 12.1 服務概述 168 12.2 服務版本 168 12.2.1 服務版本概述 168 12.2.2 Snapshot和Release 169 12.3 服務發佈 169 12.3.1 服務發佈概述 169 12.3.2 服務發佈方式 170 第13章 分散式微服務日誌中心 173 13.1 分散式日誌概述 173 13.1.1 結構化日誌/非結構化日誌 173 13.1.2 日誌類型 175 13.2 日誌框架 175 13.2.1 JDK Logger 175 13.2.2 Apache Commons Logging
177 13.2.3 Log4j/Log4j 2 177 13.2.4 Spring Boot集成Log4j 179 13.2.5 Docker日誌框架 181 13.2.6 Linux系統Syslog 183 13.3 搭建日誌中心 183 13.3.1 ELK概述 183 13.3.2 Elasticsearch日誌存儲 184 13.3.3 Logstash日誌收集 189 13.3.4 Fluentd日誌收集 191 13.3.5 Kibana日誌查詢 193 13.3.6 ELK架構與Docker整合 194 13.3.7 ELK架構原理 195 第14章 分散式微服務監控 197
14.1 分散式服務架構監控 197 14.1.1 監控的價值 197 14.1.2 監控的完整體系 197 14.1.3 微服務監控類型 198 14.1.4 Spring Boot應用監控 198 14.1.5 Spring Boot Admin監控系統 201 14.2 搭建系統監控中心 206 14.2.1 概述 206 14.2.2 時序資料收集系統：cAdvisor 206 14.2.3 時序資料存儲系統：InfluxDB 209 14.2.4 時序資料分析系統：Grafana 212 14.2.5 集成InfluxDB cAdvisor Grafana 214 第15章 分散
式微服務配置中心 218 15.1 配置中心概述 218 15.1.1 配置概述 218 15.1.2 配置中心解決問題 218 15.1.3 全域配置 219 15.1.4 配置中心 221 15.2 Spring Cloud Config 223 15.2.1 Spring Cloud Config概述 223 15.2.2 Spring Cloud Config快速入門 224 第16章 分散式微服務存儲與解耦 232 16.1 分散式資料庫架構 232 16.1.1 分庫 232 16.1.2 分表 233 16.1.3 水準切分的方式 233 16.1.4 垂直切分的方式 235
16.1.5 分組 235 16.1.6 Mycat分庫分表實戰 236 16.1.7 Spring MyBatis Mycat快速體驗 240 16.2 分散式事務 249 16.2.1 資料庫事務 249 16.2.2 分散式事務 249 16.2.3 CAP定理 250 16.2.4 BASE理論 251 16.2.5 兩階段提交（2PC） 252 16.2.6 補償事務（TCC） 252 16.2.7 後置提交 254 16.2.8 本地消息表（非同步確保） 255 16.3 分散式緩存架構 256 16.3.1 Memcache與Redis 256 16.3.2 進程內緩存 257
16.3.3 Redis單節點安裝 259 16.3.4 Redis持久化策略 260 16.3.5 Redis主從複製模式 263 16.3.6 Redis哨兵模式 266 16.3.7 Redis哨兵模式安裝部署 271 16.3.8 Redis集群模式 277 16.3.9 Redis集群環境搭建 280 16.3.10 Redis緩存穿透和雪崩 288 16.4 微服務解耦 294 16.4.1 服務解耦概述 294 16.4.2 Kafka介紹 295 16.4.3 Kafka安裝 299 16.4.4 Kafka搭建集群環境 300 16.4.5 Kafka Manager的安裝
301 16.4.6 Kafka常用命令 301 16.4.7 Spring Boot集成Kafka 311 16.5 分散式服務Session 315 16.5.1 Session與Cookie 315 16.5.2 Session一致性問題 315 16.5.3 Session同步 316 第17章 分散式微服務測試 318 17.1 分散式微服務測試 318 17.1.1 微服務測試概述 318 17.1.2 微服務測試 319 17.2 Spring Boot單元測試 321 17.3 Mockito/PowerMockito測試框架 323 17.3.1 Mockito概述 323
17.3.2 Mockito簡單實例 324 17.3.3 PowerMock概述 327 17.3.4 PowerMockito簡單實例 327 17.4 H2記憶體型資料庫 330 17.4.1 H2概述 330 17.4.2 Spring Boot集成H2 330 17.5 REST API測試 333 17.5.1 Postman概述 333 17.5.2 Postman簡單使用 333 17.6 性能測試 336 17.6.1 ab概述 336 17.6.2 ab測試 336 17.6.3 其他性能測試工具 338 第18章 分散式微服務架構經典案例 341 18.1 微服務架構
案例 341 18.1.1 微服務架構概述 341 18.1.2 微服務架構平臺選擇 342 18.1.3 微服務介面類別型 342 18.2 分散式服務框架Dubbo 343 18.2.1 Dubbo概述 343 18.2.2 Dubbo原理 344 18.3 Spring Boot Spring Cloud解決方案 345 18.3.1 Spring Boot概述 345 18.3.2 Spring Cloud概述 345 18.3.3 微服務、Spring Boot、Spring Cloud的關係 347 18.3.4 Spring Cloud與Dubbo的優劣 347 18.4 Spr
ing Boot Kubernetes Docker解決方案 348 18.4.1 Docker概述 348 18.4.2 Kubernetes概述 349 18.4.3 Kubernetes的基本概念 349 18.4.4 Kubernetes的使用 351 18.4.5 Kubernetes的架構 356 18.4.6 Kubernetes集群監控 359 18.4.7 Kubernetes集群日誌管理 359 18.4.8 Kubernetes解決方案 359 參考文獻 361
架設具記錄空氣品質及查詢歷史資料功能之室內空氣品質監測系統
為了解決記憶體時序查詢 的問題，作者魏佑任 這樣論述：
目錄摘 要 IABSTRACT II誌謝 III目錄 IV圖目錄 V表目錄 VII第一章 緒論 11-1 前言 11-2研究動機 21-3 論文架構 2第二章 空氣品質監測裝置及系統規畫之介紹 32-1目前空氣品質之指標 32-2 自動監測站及空氣盒子之概述 42-3 本裝置所使用之感測器 72-3-1 PMS3003懸浮微粒感測器 72-3-2 MQ-7 CO感測器 102-3-3 SHT-30溫溼度感測器 112-4 開發環境介紹 13第三章 系統架構及訊號傳輸 153-1 系統架構 153-2 微控制器介紹 163-3 A/D轉換器 18
3-4 UART序列傳輸 193-5 I2C序列傳輸 233-6 I2C及UART特性比較 26第四章 本系統之開發製作與成果討論 274-1本系統之裝置開發與設計 274-2本系統人機介面之開發與設計 304-3 功能演示 31第五章 結論 355-1 結論 355-2 未來展望 35參考文獻 36附錄一 38附錄二 38附錄三 39附錄四 40附錄五 41附錄六 41附錄七 42附錄八 42附錄九 43圖目錄圖2-1 空氣污染指標(AQI)與健康影響[附錄一] 3圖2-2 各縣市佈建感測器數量情形[附錄三] 5圖2-3 PMS3003流程
圖[4] 7圖2-4 PMS3003懸浮微粒感測器 8圖2-5 MQ-7實體圖 10圖2-6 SHT-30實體圖 11圖2-7 Microsoft Visual Studio開發功能 13圖2-8 程式流程圖 14圖3-1 系統架構圖 15圖3-2 HT66F70A腳位圖[9] 16圖3-3 HT66F70A ADC結構圖[9] 18圖3-4 PMS3003傳出訊號透過邏輯分析儀分析之封包 19圖3-5 SSCOM3.2接收UART RX執行畫面 20圖3-6 SSCOM3.2接收UART RX資料 20圖3-7 TX陣列傳出訊號透過邏輯分析儀分
析之封包 21圖3-8 SSCOM3.2接收UART TX執行畫面 22圖3-9 SSCOM3.2接收UART TX資料 22圖3-10 I2C傳輸結構圖 23圖3-11 SHT-30資料記憶體位址[6] 24圖3-12 SHT-30指令及傳輸封包時序圖[6] 24圖3-13 邏輯分析儀分析SHT-30傳輸封包時序圖 25圖4-1 HT-IDE3000模擬器開發環境 27圖4-2 系統電路設計圖 28圖4-3 系統電路佈局圖 28圖4-4 電路板曝光顯影 29圖4-5 電路板蝕刻成果 29圖4-6 Microsoft Visual Studio視
窗介面開發環境 30圖4-7 選擇COMPORT 31圖4-8 視窗介面測試執行畫面 31圖4-9 資料庫表單顯示 32圖4-10 裝置量測數據趨勢圖 33圖4-11 實作成品圖 34表目錄表2-1 與市售空氣盒子之規格比較表 6表2-2 PMS3003規格[4] 8表2-3 PMS3003資料傳輸格式[4] 9表2-4 MQ-7模組規格[5] 10表2-5 SHT-30規格表[6] 12表3-1 HT66F70A規格表[8] 17表3-2 SHT-30暫存資料陣列 26表3-3 I2C及UART比較表[10] 26表4-1 裝置量測數
據表 33