精华内容
下载资源
问答
  • Pytorch LSTM 时间序列预测

    万次阅读 2018-11-25 15:16:50
    Pytorch LSTM 时间序列预测 https://github.com/pytorch/examples/blob/master/time_sequence_prediction/generate_sine_wave.py Pytorch官网提供初学者入门的一个例子,有助于学习Pytorch时间序列预测。本例中...

    Pytorch  LSTM 时间序列预测

    https://github.com/pytorch/examples/blob/master/time_sequence_prediction/generate_sine_wave.py

    Pytorch官网提供初学者入门的一个例子,有助于学习Pytorch时间序列预测。本例中使用两个LSTMCell单元学习从不同相位开始的一些正弦波信号,LSTM网络在学习了正弦波之后,试图预测未来的信号值。

    generate_sine_wave.py生成模拟数据:

    # -*- coding: utf-8 -*-
    
    import numpy as np
    import torch
    
    np.random.seed(2)
    
    T = 20
    L = 1000
    N = 100
    
    x = np.empty((N, L), 'int64')
    
    x[:] = np.array(range(L)) + np.random.randint(-4 * T, 4 * T, N).reshape(N, 1)
    data = np.sin(x / 1.0 / T).astype('float64')
    torch.save(data, open('traindata.pt', 'wb'))
    
    

    LSTM数据序列预测:

    # -*- coding: utf-8 -*-
    from __future__ import print_function
    import torch
    import torch.nn as nn
    import torch.optim as optim
    import numpy a
    展开全文
  • 蚁群算法求解有时间窗约束的车辆路径问题matlab程序 1 简介 带时间窗的车辆路径问题(VRPTW)一般描述为从某一物流配送中心出发,用多台车辆向多个顾客送货,车辆完成配送任务后返回配送中心。 已知每个顾客的位置...

    蚁群算法求解有时间窗约束的车辆路径问题matlab程序

    1 简介

    带时间窗的车辆路径问题(VRPTW)一般描述为从某一物流配送中心出发用多台车辆向多个顾客送货车辆完成配送任务后返回配送中心 已知每个顾客的位置与需求量 每台车的容量一定 将货物送到顾客手中需要满足一定的时间约束 要求合理安排行车路线使目标函数得到优化 对该问题的研究引起了广大学者的关注 它是有容量约束车辆路径问题的扩展 NP难题 求解算法可分为精确算法与启发式算法当顾客点数目较多时 使用精确算法很难在可接受的时间内求得全局最优解 因此 用启发式算法在可接受的时间内求得问题的满意解成为研究的重要方向

    蚁群算法是由Dorigo等首先提出来的 它的基本思想是利用一群人工蚂蚁的协作来寻找优化问题的较优解 每只蚂蚁根据问题所给的准则 从被选中的初始状态出发建立一个可行解或部分解 各个蚂蚁间通过信息素交换信息 从而达到相互协作的目的蚁群算法的思想已被应用到各个研究领域 并取得了大量的研究成果 而在VRPTW方面的研究则较少

    2 有时间窗的车辆路径问题

    为简化问题的描述,需要在构建模型前做一些基本的假设和约束:

        (1) 假设物流运输车辆状况相同;

        (2) 单车运载力要大于单个客户需求量,且每条路线上的客户需求总量不大于单车最大运载力;

        (3) 配送中心能够满足所有客户需求,无缺货;

        (4) 车辆完成配送后直接返回配送中心;

    (5) 每条路径长度不超过单车最大行程;

    (6) 车辆要在时间窗内到达相应客户点,否则会产生惩罚成本;

     

    向客户配送货物有时间限制,在此采用软时间窗的限制方法进行处理, 即对客户需求的货物在一定的时间范围内到达,若未能按时到达,则将对物流配送企业给予一定的罚金。则因不在时间窗内将产品送到客户点而产生的处罚成本用C5表示,公式如下所示:

        

    其中:分别表示车辆早于和晚于时间窗将货物卸下而带来的损失成本。为车辆到达客户 j 的时刻,为车辆在客户 j 处等待的时间。

    3 问题求解

    蚁群算法(Ant Colony Algorithm)可以很好地解决 VRP,因为该算法在满足各需求点的时间窗约束的前提下采用动态信息策略, 以保证在每次搜索中每只蚂蚁都对搜索做出贡献, 

    最快地找到最优解或满意解。简单来说,此算法是一种源于自然界中生物世界新的仿生类随机型、智能多主体搜索算法,它吸收了昆虫王国中蚂蚁的行为特性,通过其内在的搜索机制,在一系列困难的路径优化问题求解中取得了成效。所以本文打算通过 MATLAB 强大的计算功能编写蚁群算法程序来深入研究冷链物流路径优化问题。

    基本蚁群算法的思路如下:

    Begin

    初始化:

    Nc    0;Nc为迭代次数)

    对各边弧(i,j;

            常数c;(较小的正数)    0;

         Ca    L;ca为车辆的剩余载重量)

         Cb    N;Cb为车辆的剩余行驶距离)

     读入其他输入参数;

     Loop:

         将初始点放入当前的解集中;

         While(不满足停机准则)do

         begin

         对每只蚂蚁k;

             按照剩余载重量,剩余行驶路径长和转移概率选择顶点j;

             将蚂蚁k从顶点i转移到顶点j;

             将顶点i放在当前的解集中;

         end

         当所有的城市都放在解集中,就记录蚂蚁的个数M    k;

         利用局部搜索机制来优化路径;

         然后计算每只蚂蚁的目标函数值;

         并计算当前的最好解;

         For k   1toM do

         begin

             对各边(i,j,计算:;(增加的信息素)

         end

             对各边(i,j,计算:;(轨迹更新)

             对各边(i,j,;

             ;

             Nc<预定的迭代次数,则go to Loop;

         End 

    部分程序
    %     Author:    怡宝2号			博士猿工作室
    %     Use:       用蚁群算法求解有容量限制、时间窗限制的车辆路径问题;
    %                坐标视自己的具体情况而定。
    %     Illustrate:输入变量(must):     
    %                              coordinate:要求的相应点的坐标,第一行是点的横坐标,第二行是点的纵坐标
    %                                demand(1*n),n表示工厂的个数;t表示各个工厂要求运送的货物的重量
    %                                LimitW:每辆车限制的载重量
    %       Can—changed parameter: m:蚁群的规模
    %                                MAXGEN:蚁群的最大迭代代数
    %                               
    %                  输出:        bestpop:最短路程对应的路径
    %                                trace :最短路程
    %				  remark:    如有疑问请咨询qq:778961303
    clc
    clear all
    close all
    format compact
    
    %蚁群参数初始化
    Alpha = 1;        %求解选择下一个城市的概率
    Beta = 5;         %求解选择下一个城市的概率
    Rho = 0.75;       %信息素的全局更新
    Q = 200;          %信息素增加强度系数
    Elite = 1;        %精英蚂蚁数量
    
    m = 40;           %每一代有40只蚂蚁
    MAXGEN = 100;     %最大迭代代数
    Prab = 0.05;      %伪随机选择概率
    
    %读取初始数据,初始化成本函数的参数
    [F,C,P,ZETA1,ZETA2,THETA,R,S,ELTAT,COSTP,V,BETA,OMEGA1,OMEGA2,coordinate,demand,ET,LT,ST,speed, LimitW] = initial();          
    
    %求各个客户点之间的距离
    [Distance n] = CalculateD(coordinate);      %n为客户数量,包括配送中心
    
    Eta=1./Distance;        %Eta为启发因子,离散模型设为距离的倒数
    Tau=ones(n,n);          %Tau为信息素矩阵,行:前一个城市的标号;列:后一个城市的标号。
    Tabu=zeros(m,n+20);     %存储并记录路径的生成
    
    bestpop = zeros(MAXGEN,n+20);       %每代最优的蚂蚁
    trace = zeros(MAXGEN,1);            %每代最小的成本
    
    %迭代寻优开始开始
    load = 0;               %初始化载重
    NC=1;                   %迭代计数器 
    while NC<=MAXGEN
        
        Tabu(:,1)=1;        %每只蚂蚁都是从仓库(及节点1)开始出发
        
        %精英保留策略
        start = 1;
        if 2<=NC
            start = Elite + 1;
        end
        
        for i=start:m
            visited=Tabu(i,:);
            visited=visited(visited>0);
            to_visit=setdiff(1:n,visited);         %在集合论中,to_visit = (1:n) - visited
            
            actualST = zeros(n,1);                 %实际服务时间,初始化,一只蚂蚁初始化一次
            actualST(1) = ET(1);                   %对初始点的服务时间,初始化
            j=1;
            while j<=n
                if ~isempty(to_visit)              %判断所有客户点是否送完
                    %计算接下来要参观的其他城市的概率
                    for k=1:length(to_visit)
                        [Tij actualST] = CalculateT( visited(end) , to_visit(k) ,actualST,Distance,ST,speed);            %计算从客户i到达客户j的时间
                        VC = CalculateVC( visited(end) , to_visit , actualST , Distance , ST, speed, LT);                 %计算从客户i到下一个客户的潜在客户
                        x(k)=(Tau(visited(end),to_visit(k))^Alpha)*(Eta(visited(end),to_visit(k))^Beta)*...
                             1/( abs(Tij-ET(to_visit(k))) + abs(Tij-LT(to_visit(k))) )*VC;
                    end
                    
                    %伪随机选择,选择下一个城市
                    temp_pra=rand;
                    if temp_pra<Prab                %如果满足伪随机选择概率,直接选择概率最大的,这样收敛更快
                        Select=find(max(x));
                    else
                        x=x/(sum(x));               %用轮盘赌法选择下一个城市
                        xcum=cumsum(x); 
                        Select=find(xcum>=rand);
                    end                
                    
                    %计算车的载重
                    if isempty(Select)              %如果选不了下一个城市了,就回到1点
                        Select=1;
                        load=load+demand(Select);   %select=1;t(select)=0
                    else
                        load=load+demand(to_visit(Select(1)));       %select表示城市标号,to_visit(select)才表示城市
                    end
                    
                    %判断载重是否超限,并对路径表修改
                    if load>W                  %判断车是否超载,超载就回到原地
                        Select=1;
                        j=j-1;                      %j表示参观了的城市,参观的城市-1
                        load=0;                     %车辆的载重归零
                        Tabu(i,length(visited)+1)=Select(1);      %给车辆的路径信息赋值,及回到原点,要参观的客户赋值为1.
                    else
                        Tabu(i,length(visited)+1)=to_visit(Select(1));
                    end
                    
                end
                
                %对访问过的客户,和待访问的客户初始化
                visited=Tabu(i,:);
                visited=visited(visited>0);                  %已经拜访过的客户
                to_visit=setdiff(1:n,visited);
                x=[];
                if visited(end)~=1
                    Tabu(i,1:(length(visited)+1))=[visited,1];
                end
                j = j+1;
                j;
            end
            %1只蚂蚁配送路线完成
            load = 0;
        end
        %m只蚂蚁路线安排完成
        
        %计算m只蚂蚁的个体适应度
        L=zeros(m,1);               %共有m只蚂蚁
        for i=1:m 
            temp=Tabu(i,:); 
            route=temp(temp>0);     %每只蚂蚁的路径
        end
        
        %精英保留策略
        [ex index] = sort(L,'ascend');
        index = index(1:Elite);
        temp = Tabu(index,:);
        tempL = L(index);
        Tabu(1:Elite,:) = temp;
        L(1:Elite) = tempL;
        
        [mintrace index] = min(L);  %最小的成本
        temp = Tabu(index(1),:);    %最小成本对应的蚂蚁
        trace(NC) = mintrace;       %保存每代的最小成本和最小蚂蚁
        bestpop(NC,:) = temp;
        
        %更新信息素
        Delta_Tau=zeros(n,n);
        for i=1:m
            temp=Tabu(i,:); 
            route=temp(temp>0);
            for j=1:(length(route)-1) 
                Delta_Tau(route(j),route(j+1))=Delta_Tau(route(j),route(j+1))+Q/L(i);
            end
            Delta_Tau(route(n),route(1))=Delta_Tau(route(n),route(1))+Q/L(i);
        end
    %     %信息素更新
    %     Delta_Tau=zeros(n,n); 
    %     for i=1:m 
    %         temp=Tabu(i,:); 
    %         route=temp(temp>0);
    %         for j=1:(length(route)-1) 
    %             Delta_Tau(route(j),route(j+1))=Delta_Tau(route(j),route(j+1))+Q/L(i);
    %         end
    %     end
    %     Tau=(1-Rho).*Tau+Delta_Tau;
        
        %路径清零,载荷清零
        temp=zeros(m-Elite,n+20); 
        Tabu(Elite+1:m,:) = temp;
        load=0;    
        
        disp(['共迭代',num2str(MAXGEN),'次,现在为:',num2str(NC)]);
    %     NC
        NC = NC + 1;
    end
    
    %绘制寻优迭代图
    figure()
    plot(trace)
    plot(trace,'--b',...
        'LineWidth',2);
    grid off
    xlabel('迭代次数数')
    ylabel('成本')
    title('成本变化','fontsize',16)
    
    %显示路径
    [mintrace index] = min(trace);              %最小成本
    route = bestpop(index,:);                   %最小成本的路径
    route = route( route>0 );
    p=num2str(route(1));
    for i=2:length(route)
        p=[p,'->',num2str(route(i))];
    end
    display(['求解的最优路径为:',num2str(p)]);
    display(['1代表物流中心']);
    disp(['最小的成本代价为:',num2str(min(trace))]);
    
    %绘制最小成本的路径
    figure();
    DrawRoute(coordinate,route)
    
    %				  remark:    如有疑问请咨询qq:778961303

    结果





    展开全文
  • 时间序列分析之ADF检验

    万次阅读 多人点赞 2019-02-06 18:59:09
    在使用很多时间序列模型的时候,如 ARMA、ARIMA,都会要求时间序列是平稳的,所以一般在研究一段时间序列的时候,第一步都需要进行平稳性检验,除了用肉眼检测的方法,另外比较常用的严格的统计检验方法就是ADF检验...

    ADF检验

    在使用很多时间序列模型的时候,如 ARMA、ARIMA,都会要求时间序列是平稳的,所以一般在研究一段时间序列的时候,第一步都需要进行平稳性检验,除了用肉眼检测的方法,另外比较常用的严格的统计检验方法就是ADF检验,也叫做单位根检验

    ADF检验全称是 Augmented Dickey-Fuller test,顾名思义,ADF是 Dickey-Fuller检验的增广形式。DF检验只能应用于一阶情况,当序列存在高阶的滞后相关时,可以使用ADF检验,所以说ADF是对DF检验的扩展。

    单位根(unit root)

    在做ADF检验,也就是单位根检验时,需要先明白一个概念,也就是要检验的对象——单位根。

    当一个自回归过程中:y_{t} = by_{t-1} + a + \epsilon _{t} ,如果滞后项系数b为1,就称为单位根。当单位根存在时,自变量和因变量之间的关系具有欺骗性,因为残差序列的任何误差都不会随着样本量(即时期数)增大而衰减,也就是说模型中的残差的影响是永久的。这种回归又称作伪回归。如果单位根存在,这个过程就是一个随机漫步(random walk)。

    ADF检验的原理

    ADF检验就是判断序列是否存在单位根:如果序列平稳,就不存在单位根;否则,就会存在单位根。

    所以,ADF检验的 H0 假设就是存在单位根,如果得到的显著性检验统计量小于三个置信度(10%,5%,1%),则对应有(90%,95,99%)的把握来拒绝原假设。

    ADF检验的python实现

    ADF检验可以通过python中的 statsmodels 模块,这个模块提供了很多统计模型。

    使用方法如下:

    导入adfuller函数

    from statsmodels.tsa.stattools import adfuller

    adfuller函数的参数意义分别是:

    1. x:一维的数据序列。
    2. maxlag:最大滞后数目。
    3. regression:回归中的包含项(c:只有常数项,默认;ct:常数项和趋势项;ctt:常数项,线性二次项;nc:没有常数项和趋势项)
    4. autolag:自动选择滞后数目(AIC:赤池信息准则,默认;BIC:贝叶斯信息准则;t-stat:基于maxlag,从maxlag开始并删除一个滞后直到最后一个滞后长度基于 t-statistic 显著性小于5%为止;None:使用maxlag指定的滞后)
    5. store:True  False,默认。
    6. regresults:True 完整的回归结果将返回。False,默认。

    返回值意义为:

    1. adf:Test statistic,T检验,假设检验值。
    2. pvalue:假设检验结果。
    3. usedlag:使用的滞后阶数。
    4. nobs:用于ADF回归和计算临界值用到的观测值数目。
    5. icbest:如果autolag不是None的话,返回最大的信息准则值。
    6. resstore:将结果合并为一个dummy。
    def adfuller(x, maxlag=None, regression="c", autolag='AIC',
                 store=False, regresults=False):
        """
        Augmented Dickey-Fuller unit root test
    
        The Augmented Dickey-Fuller test can be used to test for a unit root in a
        univariate process in the presence of serial correlation.
    
        Parameters
        ----------
        x : array_like, 1d
            data series
        maxlag : int
            Maximum lag which is included in test, default 12*(nobs/100)^{1/4}
        regression : {'c','ct','ctt','nc'}
            Constant and trend order to include in regression
    
            * 'c' : constant only (default)
            * 'ct' : constant and trend
            * 'ctt' : constant, and linear and quadratic trend
            * 'nc' : no constant, no trend
        autolag : {'AIC', 'BIC', 't-stat', None}
            * if None, then maxlag lags are used
            * if 'AIC' (default) or 'BIC', then the number of lags is chosen
              to minimize the corresponding information criterion
            * 't-stat' based choice of maxlag.  Starts with maxlag and drops a
              lag until the t-statistic on the last lag length is significant
              using a 5%-sized test
        store : bool
            If True, then a result instance is returned additionally to
            the adf statistic. Default is False
        regresults : bool, optional
            If True, the full regression results are returned. Default is False
    
        Returns
        -------
        adf : float
            Test statistic
        pvalue : float
            MacKinnon's approximate p-value based on MacKinnon (1994, 2010)
        usedlag : int
            Number of lags used
        nobs : int
            Number of observations used for the ADF regression and calculation of
            the critical values
        critical values : dict
            Critical values for the test statistic at the 1 %, 5 %, and 10 %
            levels. Based on MacKinnon (2010)
        icbest : float
            The maximized information criterion if autolag is not None.
        resstore : ResultStore, optional
            A dummy class with results attached as attributes
        """

     现在我们用一个RB1309的收盘数据来进行ADF检验,看一下结果:

    result = adfuller(rb_price)
    print(result)
    
    
    (-0.45153867687808574, 0.9011315454402649, 1, 198, {'5%': -2.876250632135043, '1%': -3.4638151713286316, '10%': -2.574611347821651}, 1172.4579344852016)
    

    看到 t-statistic 的值 -0.451 要大于10%,所以无法拒绝原假设,另外,p-value的值也很大。

    将数据进行一阶差分滞后,看一下结果如何:

    rb_price = np.diff(rb_price)
    result = adfuller(rb_price)
    print(result)
    
    (-15.436034211511204, 2.90628134201655e-28, 0, 198, {'5%': -2.876250632135043, '1%': -3.4638151713286316, '10%': -2.574611347821651}, 1165.1556545612445)

     看到 t-statistic 的值 -15 要小于5%,所以拒绝原假设,另外,p-value的值也很小。

     

    展开全文
  • TO_CHAR({ datetime | interval } [, fmt [, 'nlsparam' ] ]) Oracle TO_CHAR()函数返回以指定格式表示的字符串DATE或INTERVAL值。 { datetime | interval }是一个DateTime或一个INTERVAL 类型,是要转换的日期 ...

    TO_CHAR({ datetime | interval } [, fmt [, 'nlsparam' ] ])

    Oracle  TO_CHAR()函数返回以指定格式表示的字符串DATE或INTERVAL值。

    { datetime | interval }是一个DateTime或一个INTERVAL 类型,是要转换的日期

    fmt是一个字符串,用于确定日期转换的格式。
        如果省略fmt,则date转换VARCHAR2为如下值:
          DATE 值将转换为默认日期格式的值。
          TIMESTAMP和TIMESTAMP WITH LOCAL TIME ZONE值将转换为默认时间戳格式的值。
          TIMESTAMP WITH TIME ZONE 值将使用时区格式转换为默认时间戳中的值。
          
    'nlsparam'参数指定了月和日名称的缩写语言。这个参数可以有这样的形式:
    'NLS_DATE_LANGUAGE = 语言 '
    例如,Monday,Mon,January,Jan等。
    如果省略'nlsparam',则此函数使用会话的默认日期语言。

    https://docs.oracle.com/cd/B19306_01/server.102/b14200/functions180.htm

    字符串' 17:45:29' 的日期时间格式模型是' HH24:MI:SS'。
    字符串' 11-Nov-1999' 的日期时间格式模型是' DD-Mon-YYYY'。

    测试

    注意 要想达到    ”字符串' 11-Nov-1999' 的日期时间格式模型是' DD-Mon-YYYY' ”。需要指定 'nlsparam' 参数

    select TO_CHAR(sysdate,'DD-Mon-YYYY','NLS_DATE_LANGUAGE=English') from dual

    https://docs.oracle.com/cd/B19306_01/server.102/b14200/sql_elements004.htm#i34510

    https://docs.oracle.com/cd/B19306_01/server.102/b14200/sql_elements004.htm#i34924

    Uppercase Letters in Date Format Elements

    Capitalization in a spelled-out word, abbreviation, or Roman numeral follows capitalization in the corresponding format element. For example, the date format model 'DAY' produces capitalized words like 'MONDAY'; 'Day' produces 'Monday'; and 'day' produces 'monday'.

    拼写单词,缩写或罗马数字中的大写在相应的格式元素中大写。例如,日期格式模型'DAY'产生像'MONDAY'这样的大写单词; 'Day'产生'Monday'; 而''day'产生'monday'。

    select TO_CHAR(sysdate,'DAY-Mon-YYYY','NLS_DATE_LANGUAGE=English') from dual
    select TO_CHAR(sysdate,'Day-Mon-YYYY','NLS_DATE_LANGUAGE=English') from dual
    select TO_CHAR(sysdate,'day-Mon-YYYY','NLS_DATE_LANGUAGE=English') from dual

    因为是英文文档,所以要指定'NLS_DATE_LANGUAGE=English'

    You can include these characters in a date format model:

    • Punctuation such as hyphens, slashes, commas, periods, and colons

    • Character literals, enclosed in double quotation marks

    These characters appear in the return value in the same location as they appear in the format model.

    您可以在日期格式模型中包含这些字符:

    • 标点符号,如连字符,斜杠,逗号,句点和冒号

    • 字符文字,用双引号括起来

    这些字符出现在返回值中与格式模型中显示的位置相同的位置。

    ElementSpecify in TO_* datetime functions?Description
    -
    /
    ,
    .
    ;
    :
    "text"
    

    Yes

    Punctuation and quoted text is reproduced in the result.

    格式符中可以包含左边的元素 

     select TO_CHAR(sysdate,' "今天" day-Mon-YYYY') from dual

    其次 格式字符串中还可以包含 空格 

    AD
    A.D.
    

    Yes

    AD indicator with or without periods.

    AD 在汉语中显示为公元

     select TO_CHAR(sysdate,'AD day-Mon-YYYY') from dual

    select TO_CHAR(sysdate,'A.D. day-Mon-YYYY') from dual   还是一样

    AM
    A.M.
    

    Yes

    Meridian indicator with or without periods.

    可以显示当前是下午还是上午 

     select TO_CHAR(sysdate,'AM day-Mon-YYYY') from dual

    BC
    B.C.
    

    Yes

    BC indicator with or without periods.

     select TO_CHAR(sysdate,'BC day-Mon-YYYY') from dual

      可见他和AM一样,都表示公元

    D
    

    Yes

    Day of week (1-7).

    select TO_CHAR(sysdate,'D') from dual 

     在我们底盘今天是星期四

    DAY
    

    Yes

    Name of day, padded with blanks to display width of the widest name of day in the date language used for this element.

    select TO_CHAR(sysdate,'DAY') from dual

    DD
    

    Yes

    Day of month (1-31).

     select TO_CHAR(sysdate,'DD') from dual

     嗯,今天是 10月18号

    DDD
    

    Yes

    Day of year (1-366).

    一年的第多少天

    select TO_CHAR(sysdate,'DDD') from dual 

     下面这很好理解

    HH
    

    Yes

    Hour of day (1-12).

    HH12
    

    No

    Hour of day (1-12).

    HH24
    

    Yes

    Hour of day (0-23).

     

    MI
    

    Yes

    Minute (0-59). 电脑上当前的分钟 比 oracle查出来的分钟 多了3分钟

    MM
    

    Yes

    Month (01-12; January = 01).

    MON
    

    Yes

    Abbreviated name of month.

    MONTH
    

    Yes

    Name of month, padded with blanks to display width of the widest name of month in the date language used for this element.

    SS
    

    Yes

    Second (0-59).

    IW
    

    No

    Week of year (1-52 or 1-53) based on the ISO standard. 一年中的第几周

    WW
    

    No

    Week of year (1-53) where week 1 starts on the first day of the year and continues to the seventh day of the year.

    一年中的第几周 ,一年的第一天就是第一周的第一天  即每年的1月1日作为一周的第一天

    W
    

    No

    Week of month (1-5) where week 1 starts on the first day of the month and ends on the seventh.

    一个月的第几周, 将每月的第一天作为一周的开始 ,

    select TO_CHAR(sysdate,'IW') from dual  --42 一年中的第几周
    select TO_CHAR(sysdate,'WW') from dual  --42
    select TO_CHAR(TO_DATE('2018-01-01','YYYY-MM-DD'),'YYYY-MM-DD DAY') from dual  --2018-10-01 星期一 可见一周第一天就是星期一  即1月1日都是星期一


    select TO_CHAR(sysdate,'W','NLS_DATE_LANGUAGE=English')  from dual  --3  一个月中的第几周
    SELECT TO_DATE('2018-10-01','YYYY-MM-DD') FROM DUAL  --01-10月-18
    select TO_CHAR(TO_DATE('2018-10-01','YYYY-MM-DD'),'YYYY-MM-DD DAY') from dual  --2018-10-01 星期一 可见一周第一天就是星期一  即每月1日都是星期一

     

     

    Y,YYY
    

    Yes

    Year with comma in this position.

     

    YYYY
    SYYYY
    

    Yes

    4-digit year; S prefixes BC dates with a minus sign.

    YYY
    YY
    Y
    

    Yes

    Last 3, 2, or 1 digit(s) of year.

     

    展开全文
  • 七段S型减速算法–时间同步 基本概念 7段S型减速算法(7 segments S-curve velocity profile),是由T型速度曲线(Trapezoidal motion profile)演化而来(此外,还有多项式规划(Polynomial Profile),如三次...
  • 恢复精神 Reviving Reviving the stalled economy and sticking to promises to bring the deficit down next year is proving to be the principal test for the new president. 复苏停滞的经济,并坚持承诺明年将...
  • Waiting for target device to come online

    千次阅读 多人点赞 2020-10-13 13:18:54
    有时候运行模拟机的时候出现这个的问题一直加载运行很长时间也失败了 这个问题冷启动一下模拟机就好了,下面说下具体的步骤 1 打开模拟机 2 打开之后点击向下的三角箭头 3 点击冷启动 Cold Boot Now ...
  • 时间字段索引

    千次阅读 2020-03-24 18:29:58
    文章目录为时间字段索引(待更进)一、问题1、描述:日期不一致2、原因:时区不同3、解决方法: 时区修改二、datetimevarchar类型效率比较1、背景2、开始三、时间字段索引1、聚集索引2、非聚集索引3、时间字段...
  • 英语日期中介词in on at for to的区别

    千次阅读 2018-07-25 16:42:09
    记住表示时间to 表示到什么时候,on表示在某日,at表示在某时刻,in表示在某段时间。以下用用例句说明: It is 10 minutes to 12. 差10分钟就到12点。 I will call you on Sunday(Oct 1).我星期天(10月1日)给你...
  • 动词后加to do doing的记忆口诀

    万次阅读 多人点赞 2017-06-01 22:26:31
    一、只能用动名词(ing)作宾语 [口诀] ...consider考虑suggest建议/advocate 提倡主张look forward to 盼望forgive原谅/pardon 原谅 acknowledge承认/admit 承认postpone延迟延期/delay 延迟/defer
  • (新手上路)疑问:for循环如何计算时间复杂度

    千次阅读 多人点赞 2018-03-08 12:06:42
    看到这样一段代码:for(int i=0;i&lt;n;i++){ for(int j=i;j&... } }这个算法的时间复杂度为什么是O(n^2)呢?观察内循环n+(n-1)+(n-2)+(n-3)+……+1=(n+1)+[(n-1)+2]+[(n-2)+3]+[(n-3)+4]...
  • MPC模型预测控制

    万次阅读 多人点赞 2018-12-17 17:02:00
    模型预测控制的两个变量(也是控制量):速度(油门对应正速度,刹车对应负速度)转向角 给出速度转向角的约束范围 我们将动态模型计算9次,得到未来9个时间拍的系统状态 给...
  • Unable to compile class for JSP的解决方法

    万次阅读 2020-04-06 20:27:29
    今天用eclipse连接数据库的时候遇到了这个错误 Unable to compile class for JSP 真的头大,捣鼓了好久就差卸载重新配置了。 下面贴出我的源代码 <%@ page language="java" contentType="text/html; charset=UTF...
  • 其实,遇到“Failed to read artifact descriptor for xxx:jar”的报错,就是jar包下载失败而导致的,你可以到Maven的仓库中去查看(也就是.m2\repository那个路径下的)xxx-m2e-lastUpdated.properties文件,用...
  • 来查询时会发现导致 no server suitable for synchronization found 的错误的信息有以下2个:  错误1.Server dropped: Strata too high 在ntp客户端运行ntpdate serverIP,出现no server suitable for ...
  • CentOS 7时间和日期和时间同步

    万次阅读 2018-05-15 20:35:19
    在CentOS 6版本,时间设置有date、hwclock命令从CentOS 7开始,使用了一个新的命令timedatectl。1. 基本概念1.1 GMT、UTC、CST、DST 时间UTC整个地球分为二十四时区,每个时区都有自己的本地时间。在国际无线电通信...
  • corresponds to your MySQL server version for the right syntax to use near报错问题 产生这样的问题,主要时由于mysql的关键字与你的项命名冲突, 解决办法 在写发生项冲突的sql时,需要加上`` 插入链接与图片 链接:...
  • 问题描述 实验环境: VMware 12;windows10; Ubuntu 16.04 虚拟机上装了三个系统,分别是:Ubuntu16.4,CentOS4.10,Kali。...Failed to initialize policy for cpu: 0 问题解决 反反复复试了好多次,...
  • 查看系统时间和硬件时间

    万次阅读 2019-03-22 09:52:20
    硬件时间 硬件时钟是存储在主板上CMOS里的时间即BIOS时间,关机后该时钟依然运行,主板的电池为它供电。对应于嵌入式设备有一个RTC模块。硬件时钟即RTC时钟。信息比较少没时区、夏令时的概念。 系统时间 系统...
  • Python pandas,转换与处理时间序列数据

    千次阅读 2019-05-10 16:24:27
    pandas库继承了NumPy库的datetime64以及timedelta64模块,能够快速实现时间字符串的转换、信息提取和时间运算。 转换字符串为标准时间 pandas时间相关的类 类名称 说明 Timestamp 最基础的时间类。表示...
  •  See help for NEWFF to update calls to the new argument list. 【 转载请注明出处 】http://blog.csdn.net/guyuealian/article/details/66969232  使用Matlab工具箱创建神经网络时,需要用到newff函数,但若...
  • hive执行sql后一直处在ACCEPTED: waiting for AM container to be allocated, launched and register with RM.状态,并且报错返回FAILED: Execution Error, return code 2 from org.apache.hadoop.hive.ql.exec.mr....
  • 树莓派装了ubuntu18.04的系统后,开机总会卡在等待网络连接好长时间。 解决办法: 进入系统后,打开终端,输入下面命令, cd /etc/systemd/system/network-online.target.wants/ 查看该文件夹,该文件夹下有三个...
  • unable to get repr for class ‘torch.tensor

    千次阅读 2020-04-11 11:32:53
    unable to get repr for class 'torch.tensor'
  • Dataframe中的时间是不能直接进行相加减的。如果将两列时间进行减,会弹出类型错误...所以需要先用pandas的to_datetime()方法,转化成时间格式进行减,然后再转换成df格式 new_df = pd.DataFrame(pd.to_datetim...
  • unable to get repr for class 'torch.tensor'

    千次阅读 2019-04-30 17:35:02
    一段时间后才发现,网络参数保存的是torch.float32类型,而我输入的数据是torch.float64类型,将数据类型更改为torch.float32,问题解决。 这种错误有可能导致如题的错误,还有可能导致所有数据,也就是tensor的...
  • 项目在新增类中使用到了信号槽功能,但编译失败,提示“error: undefined reference to `vtable for peripherals'”的错误。 2.解决方法 遇到问题,首先检查是不是语法问题、常识错误。 1)清除编译信息,重新...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 1,401,090
精华内容 560,436
关键字:

to加时间和for加时间