主頁面-功能介紹

小白初入職場第一篇總結，廢話比較多，求輕噴~

波譜擬合用來對某種材料或物質的譜圖進行識別和分析，每種物質可以有多種成分，每種成分用component1、component2...表示，用Add another component和Remove component來控制每種成分的增加和刪除，每種成分由多種原子核構成，即nuclei，用Add nucleus和Remove nucleus來控制每種成分內原子核數量，每新增一個原子核，波譜就會分裂一次，譜峰數量由（1->2->4->8...）依次分裂。另外可以通過更改默認參數，改變波譜形態，成分參數中：Relative amount表示每種成分占繪圖分量的百分比，百分比之和不超過100，giso用來計算分裂的中心位置，LineWidth用來控設置譜峰到譜谷的寬度，%Lorentzian表示譜峰形態，一共兩種形態，高斯和洛倫茲，兩者之和為100；原子核參數：No of equivalent nuclei用來改變原子核個數，如果一種成分內包含很多個一模一樣的參數時，就可以通過改變這個參數實現，Nuclear spin用來改變原子核種類，Hyperfine用來設置分裂后兩峰之間的寬度。

再來一張圖：

每種成分數量和參數、每種成分內每種原子核數量和參數設置好后，對數據進行處理，由三種結果，卷積、積分、二重積分，那就來看看數據的處理邏輯吧~

從數據流角度，主要進行三步處理：數據->數據裂變->光譜計算->繪圖，左邊是算法實現所需的參數、右邊是對數據及每個步驟的描述。

代碼實現

遇到一個坑，一開始寫demo的時候用的vue+Ant design of vue，在select等其他組件的使用上都是正常的，但是在input number中就很變態了，給input number綁定的change事件，用戶在輸入兩位以上數據的時候，change事件會觸發兩次！！！想避免這個問題，于是用blur事件，問題又來了，因為這個頁面中組件的生成和刪除需要動態渲染，并且根據前面的介紹很容易知道組件的渲染是有兩層結構的，那么在用戶進行點擊或輸入操作的時候，就需要傳遞一個參數（用來定位是哪個component以及每個component下面對應的某一個nucle等等），能力有限( ?□? )目前我沒有找到解決辦法，于是轉elementUI框架。

組件的動態渲染用了一個比較巧妙的辦法，一開始我打算用render來寫，后來從部門大神那里學到通過遍歷列表進行渲染，腦子之間還是有差距的。。。

<div v-for='(Con, i) in componentList' :key='Con[i]'><strong>Component {{i+1}}.</div>

同理原子核的動態渲染也是這么實現的：

<div v-for='(li, j) in nucleusList[i]' :key='li[j]'>{{j+1}}. No of equivalent nuclei:</div>

然后每次增加和刪除只需要操作數組列表的長度即可~

各參數的綁定：component中參數均使用一維數組，chenge事件需傳遞一維數組的下標，component內的nucleui均使用二維數組，change事件需傳遞二維數組的下標。

以上介紹參數定義，接下來是數據處理：

// 首先計算裂變數據stickspectrum (w) { // console.log(’組件信息’, w) const stick = new Array(2) // 返回包含stick[0]的stick光譜數組，stick[1]是位置 stick[0] = new Array()// 光譜強度 stick[1] = new Array()// 光譜位置 stick[1][0] = this.h * this.frequency / (this.r[w].g * this.mu) for (var j = 0; j < this.r[w].equiv.length; j++) { // console.log(’stick[0].length’, stick[0].length) //分裂后的光譜數據長度 for (var i = stick[0].length - 1; i >= 0; i--) { stick[0][i] /= Math.pow((2 * this.r[w].spin[j] + 1), this.r[w].equiv[j]) stick[1][i] -= this.r[w].equiv[j] * this.r[w].spin[j] * this.r[w].hfc[j] for (var k = 0; k < 2 * this.r[w].equiv[j] * this.r[w].spin[j]; k++) { stick[1].splice(i + k + 1, 0, stick[1][i] + this.r[w].hfc[j] * (k + 1)) stick[0].splice(i + k + 1, 0, 0) } for (var k = 0; k < this.r[w].equiv[j]; k++) { for (var m = i + 2 * this.r[w].spin[j] * k; m >= i; m--) { for (var ii = 0; ii < 2 * this.r[w].spin[j]; ii++) {stick[0][m + ii + 1] += stick[0][m] } } } } } return stick },

// 再對裂變后的數據進行光譜計算spectrum (stick) { let xmin = Infinity; let xmax = 0 for (var k = 0; k < this.r.length; k++) { xmin = Math.min(Math.min.apply(Math, stick[k][1]) - 10 * this.r[k].width, xmin) xmax = Math.max(Math.max.apply(Math, stick[k][1]) + 10 * this.r[k].width, xmax) } const tmp = xmax - xmin xmax += tmp * 0.05 xmin -= tmp * 0.05 const step = (xmax - xmin) / (this.No_integers - 1) for (let i = 0; i < this.No_integers; i++) { this.XY[0][i][0] = xmin + step * i this.XY[0][i][1] = 0 this.XYint[0][i][0] = this.XY[0][i][0] this.XYint[0][i][1] = 0 this.XYdoubleint[0][i][0] = this.XY[0][i][0] this.XYdoubleint[0][i][1] = 0 } for (let k = 0; k < this.r.length; k++) { // 分量累加 const sticks = new Array(this.No_integers) for (var i = 0; i < stick[k][0].length; i++) { var j = Math.round((stick[k][1][i] - xmin) / step) sticks[j] = sticks[j] ? sticks[j] + stick[k][0][i] : stick[k][0][i] } const tmp = new Array(this.No_integers)// 第一種光譜繪圖位置數據 let ind = 0 for (var i = 0; i < this.No_integers; i++) { if (sticks[i]) { // 建立峰值索引——sticks[i]===1即峰值所在。 tmp[ind] = i ind++ } } const tmpint = new Array(this.No_integers) // 用來保存每個分量的積分 const tmpdoubleint = new Array(this.No_integers) // 用來保存每個分量的二重積分 for (var i = 0; i < this.No_integers; i++) tmpint[i] = 0 tmpdoubleint[0] = 0 const rwid = Number(this.r[k].width) const rwid2 = Math.pow(rwid, 2) const lortmp = Number(this.r[k].percent) * Number(this.r[k].lor) / 100 * Math.sqrt(3) / Math.PI // 洛倫茲線乘積 const gaustmp = Number(this.r[k].percent) * (100 - Number(this.r[k].lor)) / 100 * Math.sqrt(2 / Math.PI) // 高斯線乘法器 for (let i = 0; i < this.No_integers; i++) { for (let j = 0; j < ind; j++) { const delta = this.XY[0][i][0] - this.XY[0][tmp[j]][0] const delta2 = Math.pow(delta, 2) if ((rwid > step && Math.abs(-0.5 * rwid - delta) < 0.5 * step) || (rwid < step && -0.5 * rwid - delta > 0 && -0.5 * rwid - delta < step)) { this.XY[0][i][1] += sticks[tmp[j]] * (lortmp * 0.5 / rwid2 + gaustmp * 2 / Math.sqrt(Math.E) / rwid2) } else if ((rwid > step && Math.abs(0.5 * rwid - delta) < 0.5 * step) || (rwid < step && delta - 0.5 * rwid > 0 && delta - 0.5 * rwid < step)) { this.XY[0][i][1] -= sticks[tmp[j]] * (lortmp * 0.5 / rwid2 + gaustmp * 2 / Math.sqrt(Math.E) / rwid2) } else { this.XY[0][i][1] += sticks[tmp[j]] * (gaustmp * (-4) / rwid / rwid2 * delta * Math.exp(-2 * delta2 / rwid2) + lortmp * (-delta) * rwid / Math.pow((delta2 + 3 / 4 * rwid2), 2)) // 其他情況下的正常計算，高斯+洛倫茲 } this.dataarray = [this.XY, this.XYint, this.XYdoubleint] tmpint[i] += sticks[tmp[j]] * (gaustmp * Math.exp(-2 * delta2 / rwid2) / rwid + lortmp / 2 / rwid / (0.75 + delta2 / rwid2)) // 高斯+洛倫茲積分-明確計算以避免積分誤差 } } for (let j = 1; j < this.No_integers; j++) { tmpdoubleint[j] = tmpdoubleint[j - 1] + step * (tmpint[j] + tmpint[j - 1]) / 2 } // 二重積分 // console.log(’二重積分’, tmpdoubleint) const mm = tmpdoubleint[this.No_integers - 1] / Number(this.r[k].percent) // 有多少積分高于理論(只發生在非常尖銳的線) for (let j = 1; j < this.No_integers; j++) { this.XYdoubleint[0][j][1] += mm > 1 ? tmpdoubleint[j] / mm : tmpdoubleint[j] // 第三種頻譜數據 如果二重積分高于理論，將其標準化 this.XYint[0][j][1] += tmpint[j] // 第二種頻譜數據 } } // console.log(’XYint’, this.XYint[0]) },

計算完成的光譜，返回三種數據XY、XYint、XYdouble，然后就是繪圖~

到此這篇關于如何利用vue實現波譜擬合的文章就介紹到這了,更多相關vue實現波譜擬合內容請搜索好吧啦網以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持好吧啦網！