CS0433: 类型“Microsoft.Office.Core.MsoTriState”同时存在于“c:\WINDOWS\Microsoft.NET\Framework\v2.0.50727\Temporary ASP.NET Fil

beyond18402000 2007-03-26 05:28:20
这个错误很麻烦,删除上面的一个组建就就会说找不到
不删就出现
CS0433: 类型“Microsoft.Office.Core.MsoTriState”同时存在于“c:\WINDOWS\Microsoft.NET\Framework\v2.0.50727\Temporary ASP.NET Files\excel1\412c5002\2b63bab5\assembly\dl3\b3bafc81\00d2a6d5_6e66c101\Interop.Microsoft.Office.Core.DLL”和“c:\WINDOWS\assembly\GAC\office\11.0.0.0__71e9bce111e9429c\OFFICE.DLL”中
...全文
1726 4 打赏 收藏 转发到动态 举报
写回复
用AI写文章
4 条回复
切换为时间正序
请发表友善的回复…
发表回复
靓仔 2012-03-21
  • 打赏
  • 举报
回复
好吧,不懂的
steven262 2007-06-26
  • 打赏
  • 举报
回复
兄弟,是你某页的文件名或类名重复,就在类页面的这个位置:
public partial class Head_Class : System.Web.UI.UserControl
就是页面开头using语句组下面的一行
ufoteam 2007-03-26
  • 打赏
  • 举报
回复
将其一删之看看
ufoteam 2007-03-26
  • 打赏
  • 举报
回复
同一个引用
STM32直流充电桩主控方案【源程序+原理图+PCB】内容概要:本文档提供了基于STM32 F4系列微控制器的直流充电桩主控系统完整设计方案,包含源程序、原理图和PCB设计文件。该方案聚焦于直流充电桩的核心控制逻辑实现,涵盖硬件架构设计、主控芯片选型、电源管理、通信接口(如CAN、RS485)、人机交互界面以及充电过程的安全保护机制等关键技术环节。系统设计注重稳定性与安全性,支持充电桩的启停控制、电量计量、故障检测与报警等功能,并可与其他后台管理系统进行数据交互。文档还展示了如何通过模块化设计思路完成从电路原理到实际PCB布局的全流程开发,适用于嵌入式系统在新能源充电设施中的工程应用。; 适合人群:具备一定嵌入式系统开发经验,熟悉STM32系列单片机及电力电子技术的工程师或研究人员,尤其适合从事新能源汽车充电设备研发的技术人员;也可供高校电气工程、自动化等相关专业的高年级本科生和研究生参考学习。; 使用场景及目标:①用于开发符合国家标准的直流充电桩主控板;②作为教学案例帮助学生掌握嵌入式系统在电力控制中的综合应用;③为科研项目提供可靠的硬件平台支撑,支持在此基础上扩展远程监控、智能调度、V2G等功能。; 阅读建议:建议读者结合提供的源码与电路图纸,使用Keil、Altium Designer等工具进行仿真与调试,重点理解主控逻辑与各功能模块的协同工作机制,并注意安全规范在硬件设计中的具体落实。
【负荷预测】基于VMD-CNN-LSTM的负荷预测研究(Python代码实现)内容概要:本文介绍了基于变分模态分解(VMD)、卷积神经网络(CNN)和长短期记忆网络(LSTM)相结合的VMD-CNN-LSTM模型在负荷预测中的研究与应用,通过Python代码实现。该方法首先利用VMD对原始负荷数据进行分解,降低序列复杂性;随后通过CNN提取局部特征,再由LSTM捕捉时间序列的长期依赖关系,从而提升负荷预测的精度与稳定性。文中详细阐述了模型架构设计、数据预处理流程、训练过程及实验结果分析,展示了该混合模型相较于单一模型在预测性能上的优势。; 适合人群:具备一定Python编程基础和机器学习知识,从事电力系统、能源管理或相关领域研究的科研人员及工程技术人员,尤其适合研究生、高校教师和电力行业从业者。; 使用场景及目标:①应用于电力系统短期或中期负荷预测,提高电网调度的科学性与经济性;②为新能源接入、需求侧管理、智能电网建设等提供数据支撑和技术方案;③作为深度学习与信号处理技术融合的教学案例,帮助理解多模型协同机制。; 阅读建议:建议读者结合提供的Python代码进行实践操作,复现模型流程,并尝试在不同数据集上调整参数以优化性能,同时可进一步探索其他分解算法(如EEMD)或网络结构的改进方案。
【VMD-SSA-LSSVM】基于变分模态分解与麻雀优化Lssvm的负荷预测【多变量】(Matlab代码实现)内容概要:本文介绍了基于变分模态分解(VMD)与麻雀搜索算法(SSA)优化最小二乘支持向量机(LSSVM)的多变量电力负荷预测模型,采用Matlab代码实现。该方法首先利用VMD对原始负荷序列进行分解,降低复杂性并提取不同模态特征;再通过SSA优化LSSVM的关键参数,提高预测精度;最后将各模态预测结果重构得到最终负荷预测值。文中强调该模型在处理非线性、非平稳负荷数据方面具有较强优势,适用于多变量输入场景下的短期负荷预测。; 适合人群:具备一定电力系统基础知识和Matlab编程能力的研究生、科研人员及从事电力负荷预测相关工作的工程技术人员。; 使用场景及目标:①应用于电力系统调度、能源管理等领域,提升负荷预测精度;②为研究智能优化算法(如SSA)与信号分解技术(如VMD)在时序预测中的融合应用提供参考;③支持对LSSVM等机器学习模型的参数优化与性能改进研究。; 阅读建议:建议读者结合Matlab代码逐步复现算法流程,重点关注VMD分解参数设置、SSA寻优过程及模型评价指标分析,同时可尝试将其拓展至风电、光伏等其他能源预测场景以加深理解。

111,120

社区成员

发帖
与我相关
我的任务
社区描述
.NET技术 C#
社区管理员
  • C#
  • Creator Browser
  • by_封爱
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告

让您成为最强悍的C#开发者

试试用AI创作助手写篇文章吧