蓝马R5000软件学习个人总结

第一篇：蓝马R5000软件学习个人总结

软件竞技之LandmarkR5000初学之我见

我在这里要分享的是我对LMR5000学习的一点心得和经验，首先声明，R5000我用的不是很好，常用的一些模块和操作还行，更高级一点就不是那么熟悉了，只能算作是入门吧，因为2003上的有些东西都还没搞明白，然后到了R5000，一些数据管理和操作的界面都发生了改变，特别是操作界面有了很大的变化。下面简要谈谈自己的一些心得体会，和大家分享，有什么不妥或者错误的地方，还望大家批评指正，同时也希望能够给初学者一点启示。

1、对Landmark的基本操作要有所了解，比如数据的加载，这里面包括建立投影系统、建

立OpenWorks数据库、建立井的资料等等，这些都是一些最基本的东西，这些要是有问题，那以后的工作都是在错误的基础来完成了。（曾见过有人竟然把投影系统就给弄错了的）这样做的工作简直就是稀里糊涂的。

2、基础资料要整理好，特别是R5000对数据管理更加严格了，这里说的基础资料最主要的还是井的资料，比如井的坐标、钻井分层、时深表、井轨迹、测井曲线等。这些都是基础数据，要把这些东西整理好了，以后干活就会减少很多的麻烦了。

3、了解R5000相对2003的一些变化，R5000对OpenWorks/SeisWorks工区数据环境做了

很多变化，最明显的是：没有了地震工区的概念,取而代之的是解释工区；2D地震层位存储于Oracle中；所有地震数据和层位在OpenWorkss中管理；解释数据和地震数据都有了版本号；对数据的大小的限制取消了。

4、简要了解R5000对数据的管理，以前版本的地震数据及解释数据等很多东西都放在了

project下面，现在有了改变，地震数据和层位数据放在了所建的survey目录下，而其它的信息都放在project下面，如色棒、格式定义等，在SWDATA目录下，而且在project下面每个工区都对应着你所使用过的模块的信息及操作。

5、由于R5000对数据的管理更加的严格，所以有些数据的加载有了很大的变化，但是基本

数据（所指的是井的相关信息）加载没什么变化，主要有了很大变化的是层位数据的加载，和以前老版本有了很大的改变，如果对老版本的很熟悉的或LM用了一段时间的相信很快也能摸索出来的，无非就是编辑格式，然后要对map进行关联（这一步刚开始时往往都没有注意，而造成数据加载失败）。还有就是现在R5000有些做的还不完善，对断层只有默认格式输入输出。

6、R5000在使用中也有些问题，比如有时候解释工区无法删除，拷贝解释工区，色棒和格

式文件拷贝不了，要自己到目录下面去拷贝。在用的过程中会发现好多的问题。

7、要对基本的解释流程有所了解，特别是对seiswork，这个是解释最基本的模块，要熟练

掌握，这个和以前的没有多大的改变，只是有些东西有了些改善，增加了可以在剖面上看一些属性的东西。

8、要加强对理论知识的学习，比如LM里面的很多模块对地质方面的要求较高，这就需要

平时多注意学习地质方面的东西，没有地质的思维，再好的东西，再好的资料，你也做不出东西来的。另外LM里面对属性这块也做的可以，这就需要多摸索摸索，这些属性有什么作用，我个人认为初学者先要学会怎么去做，然后再慢慢思考为什么这样做，怎样去做的更好，这个就要靠平时的积累和经验了。

9、对于软件的学习，都是需要一个积累的过程的，最重要的一点就是要多动手去干，去摸

索，不能说平时就用到一个seiswork就只去用哪个模块，我看到单位里面的好多人都只是会用这个模块，再者就是用PostStackESP做一些简单的属性提取。完全没有去深入学习LM。

最后，再谈一点就是，学习软件不仅仅要学会怎样操作，还要知道为什么要那样去做，不能糊里糊涂的每天就知道划线，要了解它的原理，做到心中有数，这样做出来的东西才能比别人的好。学习软件最重要的是要动手，我不赞成那种就整天看说明书或操作说明的去做，最好能有实际的工作中去学习软件，那样会更好一些。我学习LM也就一年多的时间，以上仅仅是个人的学习心得，把自己在工作中所遇到的一些问题及心得与大家分享，有不妥或错误之处，还望指正。同时也希望大家能够在此共同探讨学习，毕竟R5000推出不久，还有许多东西有待完善。

第二篇：R语言学习总结

R语言学习总结经过接近一个学期的学习，从对R语言的完全陌生，到现在对其有了一些粗浅的认识，其中经历了遇到困难苦思冥想的艰辛，也有解决问题以后豁然开朗的畅快。在学习的过程中，以前掌握的数理基础给我带来了不少便利，而认真地态度和踏实的性格也使我获益匪浅。

在这个学期中，我学会了R语言的基本操作和语法，以及针对具体的统计学问题相应的解决方法。并按时完成老师布置的课后作业，以达到学以致用的目的，也加强了对R语言操作的熟练度。

一、初识R软件

R软件是一套完整的数据处理、计算和制图软件系统。其功能包括：据存储和处理，数组运算，完整连贯的统计分析工具，优秀的统计制图功能已及简便而强大编程语言。

接触R语言以后，我的第一感觉就是方便和强大。R语言中有非常多的函数和包，我们几乎不用自己去编一些复杂的算法，而往往只需要短短几行代码就能解决很复杂的问题，这给我们的使用带来了极大地方便；于此同时，它又可操纵数据的输入输出，实习分支、循环，使用者可以自定义功能，这就意味着当找不到合适的函数或包来解决所遇的问题时，我们又可以自己编程去实现各种具体功能，这也正是R语言的强大之处。

二、学习心得

在学习该书的过程中，我不仅加深了对统计学方法的理解，同时也掌握了R软件的编程方法和基本技巧，了解了各种函数的意义和用法，并能把两者结合起来，解决实际中的统计问题。

1、R语言的基本语法及技巧

R语言不仅可以进行基础的数字、字符以及向量的运算，内置了许多与向量

运算有关的函数。而且还提供了十分灵活的访问向量元素和子集的功能。R语言中经常出现数组，它可以看作是定义了维数（dim属性）的向量。因此数组同样可以进行各种运算，以及访问数组元素和子集。二维数组（矩阵）是比较重要和特殊的一类数组，R可以对矩阵进行内积、外积、乘法、求解、奇异值分解及最小二乘拟合等运算，以及进行矩阵的合并、拉直等。apply()函数可以在对矩阵的一维或若干维进行某种计算，例如apply(A,1,mean)表示对A按行求和。R语言允许将不同类型的元素放在一个集合中，这个集合叫做一个列表，列表元素总可以用“列表名[[下标]]”的格式引用。而“列表名[下标]”表示的是一个子列表，这是一个很容易混淆的地方。R语言中非常重要的一种数据结构是data.frame（数据框），它通常是矩阵形式的数据，但每列可以是不同类型，数据框每列是一个变量，每行是一个观测，要注意的是每一列必须有相同的长度。数据框元素可以使用下标或者下标向量引用。

用一个非常简单的例子来说明向量、矩阵和数据框的简单运用。输入：

A<-matrix(c(1:12),2,6,byrow=T)#A为一个2行6列，按行排列的矩阵 X<-as.data.frame(A)#把A转化成数据框形式的X X[1:2,seq(1,5,2)] #输出X的第1、2行和1、3、5列 结果为： V1 V3 V5 1 1 3 5 2 7 9 11 输入：

attach(X);R<-V1/V5;R #调用数据框X,计算并输出V1和V5的比值 结果为： [1] 0.2000000 0.6363636 与此同时R语言中也提供了其它高级程序语言共有的分支、循环等程序控制结构。比如if/else语句，for循环等。因此R语言也可以很容易的根据情况编写自己所需要的函数。

以习题2.7为例：编写一个R程序，输入一个整数n，如果n小于等于0，中止运算，并输出：“要求输入一个正整数”；否则，如果n是偶数，则将n除2赋值给n；否则将3n+1赋给n。不断循环，直到n=1停止，并输出：“运算成功”

解：新建一个程序脚本，名为chapter2.R”，写入代码： f<-function(n){ if(n<=0)list(“要求输入一个正整数”)else{repeat{ if(n==1)break #n=1时终止 else if(n/2==as.integer(n/2))n<-n/2 #n为偶数时除2 else n<-3*n+1 } list(“运算成功”)} } 在R窗口中输入：

Source(“chapter2.R”);f(32)输出： [1] “运算成功” 输入： f(-5)输出：

[1] “要求输入一个正整数”

2、R在统计描述中的应用

使用R软件可以方便直观的对数据进行描述性分析。如使用均值、中位数、顺序统计量等度量位置；用方差、标准差、变异系数等度量分散程度；以及用峰度系数、偏度系数度量分布形状。例如在窗口中输入：

x<-seq(1,589,3)length(x);mean(x);var(x);sd(x);median(x);100*sd(x)/mean(x)[1] 197 #长度 [1] 295 #均值 [1] 29254.5 #方差 [1] 171.0395 #标准差 [1] 295 #中位数 [1] 57.97948 #样本标准差

n<-length(x);m<-mean(x);s<-sd(x)n/((n-1)*(n-2))*sum((x-m)^3)/s^3;((n*(n+1))/((n-1)*(n-2)*(n-3))*sum((x-m)^4)/s^4-(3*(n-1)^2)/((n-2)*(n-3)))[1] 0 #偏度系数 [1]-1.2 #峰度系数

R软件可以检验样本是不是来自某种分布总体，以正态分布为例，我们可以通过shapiro.test()函数提供W统计量和相应的p值，并通过p值的大小判断样本是否来自正态分布的总体。经验分布的K-S检验方法的应用范围则更加广泛，不仅可以判断样本是否来自正态总体，也能判断是否来自其它类型的分布总体。

以习题3.3为例：分别用W检验方法和Kolmogorov-Smirnov检验方法检验习题3.1的数据是否服从正态分布；

首先将一百个数据存入”data.txt”中（此文件要放在工作空间目录中）x<-read.table(“data.txt”);shaoiro.test(x)Shapiro-Wilk normality test data: x W = 0.9901, p-value = 0.6708 可见该样本来自正态总体 ks.test(x,pnorm,mean(x),sd(x))One-sample Kolmogorov-Smirnov test data: x D = 0.073, p-value = 0.6611 alternative hypothesis: two-sided 结果与W检验相同

除此之外，R语言还有强大的画图功能，例如我们可以通过作直方图、茎叶图和总体分析来描述数据的分布。R中的高水平作图函数有：plot()、pairs()、coplot()、qqnorm()、hist()等等。当高水平作图函数并不能完全达到作图的指标时，需要低水平的作图函数予以补充。低水平作图函数有：points()、lines()、text()、polygon()、legend()、title()和axis()等。需要注意的是低水平作图函数必须是在高水平作图函数所绘图形的基础之上增加新的图形。

hist()函数可以做出已知数据的直方图，stem()函数可以作茎叶图，boxplot()函数可用作箱线图，qqline()和qqmorm()可以做出正态QQ图和相应的直线。R语言同时还能对两组数据进行相关性检验，cor.test()函数提供了Pearson相关性

检验，Spearman秩检验和Kendall秩检验。其原假设为两组数据不相关，通过p值的大小来判断是否拒绝原假设。我们还能用stars()函数作出星图，来表示多元数据，以上用法都非常简单易用，这里就不再赘述。

3、R语言在统计推断中的应用 首先，R语言可以用来进行参数估计；

统计学中我们应用矩估计和极大似然估计来进行点估计，矩估计是通过解正规方程组得到参数估计的值；极大似然估计通过解极大似然函数的极值点得到参数估计的值。在R中我们可以使用Newton迭代法求解正规方程组，获得矩估计；用optimize()函数求解极大似然函数，获得最大似然估计；由此可见，R语言能够很方便的解决参数点估计问题。

点估计给出未知参数的近似值以后，并不能知道这种估计的精确性如何，可信程度如何，为了解决这些问题，就需要用到区间估计，在学习用R语言解决区间估计问题的过程中，我最大的体会就是R软件中内置的一些函数极大地方便了我们处理具体问题。比如t.test()函数。对单个正态总体，向量x包含了来自该总体的一个样本，我们可以直接用t.test(x)指令得到均值u的点估计和区间估计；对于两个正态总体，向量y包含了来自第二个总体的一个样本，我们可以用t.test(x,y)来得到均值差u1-u2的点估计和区间估计，其中当两个总体方差相同时，只需要加上var.equal=T（缺省值为F，即默认两个总体的方差是不同的）；同时t.test()函数不仅可以进行双侧置信区间估计，也能进行单侧置信区间估计，只需要在括号内加上al=”l”或者al=”g”。当数据不服从正态分布是，可以利用中心极限定理，取较大的样本量，构造近似服从正态分布的统计量进行估计。

其次，R语言可以用来进行假设检验。

假设检验也是统计推断中的一个重要的内容，在统计学中，我们用搜索到的数据对某个事先作出的统计假设按照某种设计好的方法进行检验，来判断此假设是否正确。也就是说为了检验一个假设是否成立，先假定它是成立的，看看由此会导致什么结果。如果导致一个不合理的现象出现，就认为原假设不正确，如果没有导出不合理的现象，则不能拒绝原假设。

R软件给出了参数假设检验的方法。以正态总体为例，t.test()函数也可以用来进行单个或者两个正态总体的均值的假设检验。进行单边检验时可以加入指令alternative（备择假设），缺省时表示双边检验，less表示备择假设为u

X<-c(78.1,72.4,76.2,74.3,77.4,78.4,76.0,75.5,76.7,77.3)Y<-c(79.1,81.0,77.3,79.1,80.0,79.1,79.1,77.3,80.2,82.1)t.test(X,Y,var.equal=T,al=”l”)输出：Two Sample t-test data: X and Y t =-4.2957, df = 18, p-value = 0.0002176 alternative hypothesis: true difference in means is less than 0 95 percent confidence interval:-Inf-1.908255 sample estimates: mean of x mean of y 76.23 79.43 结果中我们不仅能得到X和Y的均值的点估计76.23和79.43、左侧区间估计、同时也能通过p值的大小判断是否接受原假设，该例中p<0.05，认为拒绝原假设，即认为两总体方差不同。与均值假设检验相类似。

R语言中还可以用var.test()函数进行正态总体的方差假设检验。而且R语言不仅能就正态总体进行均值和方差检验，也能对其他总体分布进行检验。例如用binom.test()进行二项分布的检验和估计。习题5.3中检验铁剂和饮食两种方法治疗后患者病情表现有无差异：

x<-c(113,120,138,120,100,118,138,123)y<-c(138,116,125,136,110,132,130,110)binom.test(sum(x

参数假设检验假定了总体分布的具体形式，但实际问题中我们往往不知道总体的分布，很难对总体的分布做出假定，所有要尽量从样本本身获得所需要的信息，即非参数检验方法。

R语言中有很多种非参数的检验方法，这里仅介绍几个较为重要的方法。Pearson拟合优度的卡方检验:首先假设随机变量有某种分布，将数轴分成m个区间，然后用样本落在每个区间内的个数和其期望构造K统计量，当n很大是，K依分布收敛于自由度为m-1的卡方分布。然后进行参数假设检验。在R语言中可以用chisq.test()函数来实现。符号检验可以用来检验一个样本是否来自某个总体，或者检验两个总体是否有显著区别。对于前者，如果样本中位数等于假设的总体的中位数，我们就认为样本来自该假设，此时每个样本中位数和总体中位数的差额应该正负各一半，所以可以用p=0.5的二项分布来检验。对于后者，如果认为两个总体无显著差异，则对应的两个样本观测值正负差额的个数应该大体相当，即正负各占一半，像单个样本一样，检验其是否来自p=0.5的二项分布。这在R语言中只需要用binom.test()函数就能实现。秩统计量检验是一种经常被用来检验分布无关性的非参数检验，R语言提供了Spearman、Kendall和Wilcoxon三种秩检验方法，前两种可以用cor.test()函数实现，最后一种可以用wilcox.test()函数实现。

最后，R语言还可以用来处理回归分析问题

对于普通的多元线性回归模型，已知被解释变量y和i个解释变量的样本数据，利用R语言中的lm()函数可以非常方便的求出各解释变量的回归参数，并做相应的检验。以 y=β0+β1x+β2z+ε 为例，将数据赋给各个变量后，只需要输入lm<-lm(y~1+x+z);summary(lm)就能得到参数估计值、每个参数估计值的标准差、参数显著性的t检验和总体显著性的F检验，以及模型的拟合优度等信息。然后我们可以用predict()函数非常方便的求出预测值和预测区间，同样我们还能用前面介绍过的plot()和abline()等函数做出各种图形来进行回归分析。

当然之前讲的都是比较理想的情况，而现实中往往影响被解释变量y的因素很多，我们希望找出若干个比较关键的变量建立回归方程，这便涉及变量选择的问题。选择“最优”变量的方法有很多，比较常用的一种是逐步回归法。它以

我是一个做事非常认真地人，这个学期除了上课时间，我还会利用课余时间练习R语言的操作，俗话说的好，动眼部动手，什么都学不走。很多时候看书上的内容觉得非常简单，实际操作中却会遇到很多小问题，往往也正是这些小问题导致我们的程序无法运行或者无法得出想要的结果。期间我就遇到过一些这样的问题，例如没有把数据文件放在工作空间目录里，导致“read.table”指令读不出数据，或者是一些符号输错导致错误。正是我认真细致的将每个用法都尝试一遍，才掌握了很多不起眼的小细节，也正是因为这一点，当其他两名同学遇到问题问我的时候我才能迅速地找出问题所在。

总的来说，R语言归根到底只是我们解决问题的工具，而我们对问题的分析首先是要根据理论进行的，例如参数估计、假设检验以及线性回归、时间序列方面的知识，我们只有深刻理解这些理论背后的意义，才能用对R语言中的各个方法，就好比战场上如果R是利刃，理论知识就是我们的身体和战术素养，只有我们学好了理论知识，才能面对一个个问题迎刃而解。

这个学期获得的收获则更多，不仅加深了对统计和计量方面知识的进一步理解，更对R软件有了初步的了解和认识。而其实最重要的，是这种全力以赴做一件事情的状态和收获的喜悦。我相信这种经历会让我在以后的学习和工作中获益匪浅。

这个学期的学习让我对R语言产生了浓厚的兴趣，而我现在对R语言也仅仅是学到了些皮毛，我一定要再努力学习，希望能够在今后的实习中学到更多的东西，为自己大四时期找工作打下基础。

第三篇：R语言实战学习总结

R 语言实战——基础总结

1、概念...........................................................................................................................................1

2、创建向量...................................................................................................................................1

3、创建矩阵...................................................................................................................................1

4、创建数组...................................................................................................................................1

5、创建数据框...............................................................................................................................2

1、概念

标量：只含一个元素的向量，用于保存常量。

向量：用于存储数值型、字符型或逻辑型数据的一维数组。

矩阵：每个元素都拥有相同的模式（储数值型、字符型或逻辑型），是一个二维数组。数组：与矩阵类似，但维度可以大于2。

数据框：指不同的列可以包含不同模式（储数值型、字符型或逻辑型）的数据。

2、创建向量

函数c()创建组合功能、执行组合的功能。如下图（创建向量a，值为1,2,3）：

3、创建矩阵

函数matrix()可创建矩阵，格式为： A <-matrix(vector，nrow=x，ncol=x,byrow=TRUE/FALSE,dimname=list(rnames,cnames))Vector：矩阵元素

Nrow 和Ncol 为指定行和列的维数。

byrow则表明矩阵应当按行填充（byrow=TRUE）还是按列填充（byrow=FALSE），默认情况下按列填充。

如下图创建5X4的矩阵：

4、创建数组

函数 array()创建数组，格式如下： A <-array(vector,dimensions,dimnames)Vector：包含数组中的数据。

Dimensions：一个数值型向量，给出各个维度下标的最大值。Dimnames：是可选的、各维度名称标签的列表。如下图：

5、创建数据框

函数data.frame()创建数据框，格式如下： A <-data.frame(col1,col2,col3,......)注意：括号中的col1/col2/col3是列向量，可以是任何类型（如字符型、数值型、逻辑型）。每一列的名称可以由函数name指定。

如下图：

6、。。。。

第四篇：软件工程师年终个人总结

软件工程师年终个人总结

软件工程师年终>个人总结

从八月份入职至今，已五个多月过去了，回顾自己这段时间在XX公司所走过的路，所经历的事情，没有太多的感慨，没有太多的惊喜，却多了一份镇定，多了一份从容。

回想入职初，在八月份，从开始第一周熟悉工作环境，第二周便参与煤矿>安全生产管理系统的相关文档设计工作，期间在项目组各位同事的指导、安排下，进行了系统的软件开发委托合同书及系统功能模块设计说明文档的编写，也借此过程学习煤矿生产业务。

在九月份，便正式参与了管理软件功能模块的设计工作，在张工的指导、讲解下初次尝试完成了管理软件的维护子系统的功能模块设计；在九月中旬跟随公司施工人员在**一号矿进行业务调研，从而在我们自己的管理系统中，取其长、补其短，也借此机会了解实际的煤矿生产情况，加深对煤矿产业业务流程的理解；在九月底便根据张工的指导开始工程技术文档子系统的功能模块设计。

十月份，在张工张工的指导下，进行了物资管理子系统的功能模块设计，并就设计的正确性、合理性分别同张工张工及何工进行讨论；到十月中旬管理软件的各子系统功能模块基本全部设计完成；十月底，根据各子系统模块设计搜集系统数据，建立初步的数据字典及概念模型，为后期数据库设计做准备。

十一月份的工作以整理系统业务关系与业务流为主，但由于业务关系图的表现形式不够合理，不足以清晰、明了得表现出各层次关系，导致工作多走了几个环节，好在张工张工及时发现问题，并多次向我指导、讲解，最终决定以列表结合流程图形式搜集、汇总系统所有子模块的业务动作、涉及人员及联系模块，为后面工作的展开提供依据。

十二月围绕两个工作展开，一是系统业务描述文档的设计编写，因为该文档是日后编程人员了解煤矿生产业务、系统功能及数据库设计的主要依据，张工张工也多次强调，文档的设计务必从读者角度考虑问题，因此最终设计由简单到复杂，由整体到具体，各层次尽量做到衔接紧密，易于理解；另一项工作是针对已完成的关系列表、系统功能模块设计的业务合理性、正确性和张工张工逐条讨论，并将设计中出现的问题逐条记录在问题跟踪文档中。月底的工作便是根据问题跟踪文档对模块设计进行修改、完善。

在公司领导的带领下，通过项目组所有成员的不懈努力，在十月份系统所有功能模块设计完成，在十一月份系统所有业务流程整理完成，在十二月份，对各功能模块设计及业务流的初次审查、整改工作已经完成，现在已开始进行项目组内对各功能模块设计及业务流的审查工作。

在入职初期，因为之前很少接触生产类软件，一时不知从何入手，好在项目组成员多次向我讲解，加上自己也通过网络查找相关文档，认真阅读相关材料、思考业务处理过程，最终在一个月内便对煤矿整个生产管理业务有了较为系统的认识。之后在张工张工的指导下，完成了管理软件初始化子系统、工程技术文档管理子系统、物资管理子系统的详细功能模块设计和业务处理设计，以及整个系统的业务整理工作。因为张工张工多次强调前期的业务及功能模块的设计直接关系到整个项目最终的成败，一定要做到设计正确、准确、完整，因此在每个子模块的设计中，先把握总体方向，确保设计正确，再搜集大量业务材料、对比其它类似软件处理方式、结合煤矿实际生产情况、思考业务处理流程确保设计准确，最后再将设计放到整个业务系统中，反复检验、审查，确保设计完整。

回顾这一段时间的工作，我基本完成了本职工作，这与领导的支持和各位同事的配合、帮助是分不开的，但同时我也清楚得认识到自己还有很多不足，也从中获得不少经验、教训，总结为以下几点，1.做事前准备、计划是很有必要的。

这一点在入职第一周业务学习及近期搭建各模块业务关系工作中就体会特别深，正是磨刀不误砍柴工，做好准备、计划对之后的工作能起到事半功倍的效果。

2.工作要脚踏实地、一步一步，切不可太过心急。

整个软件的设计从最开始的业务调查、模块框架设计、业务流程设计到具体软件开发设计，每个环节都是建立在前一个环节的基础上，每个环节上的失误都会影响到之后所有环节。

3.学会从整体看问题。

这一点在入职初期的业务流程学习中就感受很深，从整体看问题，从主业务流程入手，理解更容易，学习得也更快，在整个工作过程中大的方向也不会错。

4.要学会适当的思维转变。

之前的软件开发工作主要是编码工作，所考虑的问题也只局限于技术方面，但在系统业务及功能模块设计工作中，一定要考虑到整个煤矿产业的业务流程和客户群的操作习惯。

5.与同事的交流要及时要充分，尤其是项目组内成员。

及时充分的交流能快速解决疑惑、能使整个工作衔接更紧密、能使问题考虑更周全。充分的交流能保证工作的质量，及时的交流能提高工作的效率。

6.在系统设计过程中要学会从客户角度考虑问题。

软件良好的客户体验是衡量软件质量的重要标准，因此在软件设计过程中一定要考虑使用软件的客户范围、客户的操作习惯和软件的易操作性。

7.处理问题一定要以公司利益为重，坚持立场、把握好原则。

公司项目部成员对**1号矿项目的成功实施便证明这一点；另外在集控平台开发过程中，何工也是基于这一点，多次对系统功能设计提出更高要求，以使系统功能更加完善、可操作性更强。

8.要学会思考问题、分析问题、处理问题，学会分解问题，把一个大的问题分解成若干个小问题，再将各小问题放到整体考虑其合理性。

在整理系统业务流程和搭建模块间业务关系工作中，就因为表现形式不够清晰、合理，做了不少重复工作。最终还是在张工的指导下，以'总-分-总'的形式解释业务关系，完成了业务详细说明书。

9.不要局限于固定模式，要学会创新。

在系统功能设计及系统业务整理工作中，张工多次强调这一点，因为只有这样，产品质量才能提高、自己的能力也会有较大提升。

通过近半年来参与对管理软件的设计工作及与工程施工、项目发展工作的接触，自己成长不少，当然更多的成长集中在技术方面-软件前期的业务设计，总结为以下几点，1.已掌握整个煤矿管理的业务处理及流程。

2.掌握了软件开发前期的整个软件设计流程。

3.学会如何进行软件业务及功能模块的详细设计。

4.学会如何发现问题、思考问题、解决问题。

在管理方面，接触不多，主要集中在项目组对集控平台开发的监管过程，总结为以下几点，1.时刻掌握项目进度情况，进度一旦出现状况要及时作出反应

2.处理问题一定要以公司利益为重，坚持立场、把握好原则。

3.与外包人员要多交流多沟通，包括业务理解和完成情况。

最后，通过在公司近半年来的工作生活，提一些个人的想法，1.公司员工交流不够多，尤其是不同部门间的工作交流，而这种交流能使各部门的工作衔接更紧密，工作效率更高。

2.技术人员接触其他相关技术的机会不多，不过这一点公司正在改善，PLC讲座也即将进行。

3.在准备项目经理考试期间，如果公司能统一每周提供几个小时供大家学习、讨论、交流，效果可能会更好些。

4.午饭时间太紧，员工中午休息时间太紧，一定程度上影响下午的工作效率。

以上都是个人角度的一些看法，考虑不合理之处还望领导及各位同事批评指正。

12年已经过去，崭新的13年来临了，在新的一年里，工作上，生活上，我们都站在了新的一个工作起点，要开始新的一轮工作，我也在此感谢领导和各位同事的支持和帮助，我将在新的一年里继续努力，不断提高自己的业务及专业水平，虚心向大家学习，为XX公司为长风的发展尽自己的力量。

《软件工程师年终个人总结》

第五篇：三维软件学习总结

软件学习总结

一．2.5维图总体流程及注意事项

1.初始建模采用sketchup(这里主要用sketchup7.1版本)，在软件中要对面进行合理的处理，最好使正面面向我们所要观察的一面，另外尽量将已经没用的辅助面或辅助线删除，以免出现重面重线的情况。

图1 白面为正面，灰面、蓝面为反面

2.在建模时，对于同样的模型最好建立组件，进行统一命名，以便在将来进行修改，删除，添加方便操作。

3.在sketchup中建好模之后，选中模型，文件——导出——3D模型，导出格式为3ds格式，注意设置好模型的单位，再导入导出时，单位要统一。

4.导出的3ds文件将在3DMAX中导入，导入后原来的纹理会丢失，这时候需要重新吸纹理。其步骤为：首先选取模型，将模型右键点击转换为可编辑多边形，选取面操作，点选一个面

图2 选取面

按快捷键M打开材质球，选择吸管工具，移动到所选的面点击一下

图3 吸管工具

之后就会出现纹理图的图名称（如下图4中的-75），点击Diffuse右边的M弹出如图5所示的对话框

图4 吸取纹理

图5 找回纹理

点击图5的Bitmap，会弹出一个对话框

图6 错误信息

点击确定，找到图片文件所在文件，选取后打开（如图7）

图7 找回图片

图8 重新附图 找回图片后，将图片重新赋给所选面即可。

5.将所有模型都找回纹理后，就可以添加灯光，摄影机，调整好角度和灯光参数后就可以进行渲染。

图9 灯光阴影设置

要使渲染的图具有阴影效果，需要将修改面板中的Light Type的On前面打对勾，并选择高级阴影追踪（Ady Ray Traced）。要想得到一幅较好的渲染图，需要进行反复的调试和参数修改。

6.由于整个图区分成了几块，并且分开渲染，最后需要将所有分开渲染的图进行配准整合，在这个过程中可以将图区的CAD底图作为参考进行配准，拥有不错的效果。

二．制作VRP及相关3Dmax、PS技术

注意事项：1.VRP可以实现的主要功能有：导入模型*.vrp(注意必须在3dmax中安装vrp软件，将3dmax格式导出vrp模型时候进行场景保存，然后重新在vrp编辑器中打开场景，否则，共享版不提供保存)，自主漫游、飞行动画、行走动画、动态图片*.atx(这种动态显示也是在vrp动态图片编辑器中进行编辑，主要以喷泉，飘动的红旗为主，还可以进行模拟电视播放画面)、各种人或事物动画、设置天空盒（背景）、雾效，阳光光晕等；2.VRP的制作是以3Dmax为基础，由3Dmax导出模型，为了制作一个效果良好的VRP，需要在3Dmax中将模型进行一些错误检查和修改，确保模型不会出现破面、漏面，检查贴图情况，确保贴图准确；如果出现破面，必须就行面的修补，否则在vrp中会出现黑面或者透视情况。3.VRP中需要设置碰撞，我们可以ctrl+A选择全部的物体，然后开启碰撞，这样在漫游时就避免发生穿透模型，超出模型的情况；4.在VRP中也可以对模型的纹理颜色明暗度进行适当的处理，不必在photoshop中修改色调。5.由于vrp 8.0共享版通过加密狗都面数进行了限制，我们在模型中的面数不能超过50万，否则，软件自不会加载多余的面。6.Vrp的按钮可以自己在ps中制作成透明纹理，然后在vrp中进行按钮添加，设置图片，以透明显示，进行按钮功能的标注，事件的添加。这样就可以以按钮来实现相应的功能。1.在由sketchup导入3Dmax找回纹理后，再导入VRP时，要想让模型拥有纹理，需要在3Dmax中将模型一一打碎或者烘焙，打碎步骤为：选取要打碎的模型，然后点击菜单栏的MAXScript在其子菜单中找到Run Script，然后选择小脚本（如图11中的小脚本）。

图10 加载小脚本

图11 Run Script

图12 小脚本

图13 小脚本界面

点击优化材质，然后点选所要打碎的模型，之后在优化材质下面会出现三个数字，当三个数字相同时，可以进行打碎操作。

图14 优化材质

图15 打碎模型

将模型打碎后导入VRP中就可以显示出纹理。

2.若要使得模型在VRP中拥有阴影效果，就需要在3Dmax中对模型进行烘焙操作，烘焙就是将阴影效果以贴图的形式与模型结合在一起的过程。

烘焙的过程及参数设置参考下图（所有操作均在3Dmax8中进行，按快捷键0进入烘焙界面）：

图16

图17

图18 至此就可以进行简单的烘焙操作。3.3Dmax中透明贴图的制作

首先创建一个平面，将该面的段数均设置为1（如图19），将面规范命名（如图20所示bb-00***，bb-11***）,然后将该面转换为可编辑多边形，点选面，打开材质球，点选位面bitmap，选择png格式的贴图，然后进入图21所示操作。

图19 设置段数

图20 修改名称

图21 勾选红笔标志的两个框

图22

图22所示步骤做完后，就可以将材质赋给所选面，得到的效果图如下所示。

图23 效果图

如果要将透视图导入VRP，也需进行打碎操作。4.PS中动态图片gif的制作

选择两幅或多幅图片，在PS中打开（这里用的是PS cs3版本），选择其中的一幅图为载体，将另一幅图移动到载体图中，这样载体就有2个图层（如图25），打开窗口——动画（如图26）

图24 移动复制图片

图25 图层

图26 动画

如图26将帧复制一个，点选第二帧，在图层中点掉与第一帧相同的图层，使俩帧显示不同的图层。

图27 显示单图层

设置好帧之后，再设置每帧的切换时间，之后就可以进行gif图的存储了。

点击文件——存储为Web和设备所用格式，选择默认设置进行存储即可得到一张动态gif图像。

图28 存储

5.3Dmax中简单动画制作 先画一个box和一条线

图29 建立一个虚拟体

图30

图31 连接虚拟体与box，连接时先选中box，按住鼠标左键不放移动放置到虚拟体上，完成两者的链接。

图32

接着在菜单栏中选择Animation——Constraints——Path Constraint将虚拟体链接到线上，最后点击播放按钮就可以观察到box的运动。

图33

图34 三．2.5维图在ArcGIS9.3中的矢量化及查询显示

1.打开Arcmap，加载jpg格式的2.5维图、shp图（由CAD底图转化而来）、新的图层（用来做矢量化的图层）；

图35 新建图层

新建图层在ArcCatalog中建立，选择你要建立的文件路径。按照图示方法打开新建图层对话框，输入新图层的名称以及图层形式（点、线或面），点击OK就可以建立新图层。

图36 加载数据

2.将2.5维图与shp图进行配准，配准后关闭shp图，打开新建图层，参考配准后的2.5维图进行矢量化；

图37 配准

图38 配准两点后

图39 矢量工具

图40 矢量化

3.为矢量化的图添加属性，并且当鼠标移到目标区域可以显示相关信息。

图41 打开属性面板

图42 添加属性

图43 显示属性

图44 显示名称

以上是在ArcGIS9.3中的展示，在ArcGIS9.3中只能显示一个属性，如果需要显示多个属性，则可以在ArcGIS10.0中文版中进行相应的编辑。

流程如之前所写