SQL必知必会PartOne---SQL基础之一

                                    PartOne --- SQL基础之一

目录                            

  • 数据库中的基本概念
  • 检索与排序数据

正文

  • 数据库中的基本概念
  1. 数据库(数据库):保存有组织的数据容器(通常是一个文件或一组文件);
  2. 表(表):特定某种类型的数据的结构化清单  (表名在同一个数据库中是唯一的,不同数据库可以存在相同的表名:表具有某些特性,这些特性定义了数据在表中存储-模式);
  3. 列(列):的中表一个字段所有的表都是由一个或多个列组成的列也是操作数据的基本原子之一
  4. 行(列):中表的纪录一项行也是操作数据的基本原子之一。
  5. 主键(primary key):一列或是一组列,其值能够唯一标识表中的每一行。
  6. 主键的条件如下:
  7. 任意两行都不具有相同的主键值
  8. 每一行都必须具有一个主键值
  9. 主键列中的值不允许修改或更新
  10. 主键值不能够重用(某行删除,主键不能赋给新行)
  11. 数据类型:所允许的数据的类型每个表的每一列都有着相应的数据类型,限制该列中存储的数据。


  • 检索与排序数据
   1.检索SELECT语句

        语法:SELECT [列名],[列名],...,[列名]

                  FROM [表名];

       例子:SELECT student_name,student_sex,student_id

                 从学生; 

       注意:最后一个列名后没有逗号,并且结尾有分号表示语句结束

       SELECT *表示检索出所有列

       SELECT DISTINCT student_id,student_name表示检索出不同值的student_id,DISTINCT只对紧跟其后的列起作用。

       结果限制:SELECT TOP 5 name表示最多返回5行  

                        Oracle使用WHERE ROWNUM(行计数器)<= 5来限制 

                        MySQL使用LIMIT 5 OFFSET 5表示从第5行开始返回5行数据

      注释:使用 - 例子:SELECT * - 这是注释检索所有列

    2.数据排序

      语法:ORDER BY【列名】,【列名】,...,【列名】;

      例子:选择价格

                从PROD

                ORDER BY价格;

      DESC与ASC :DESC降序,ASC升序并且只作用于其紧靠的前面的列,默认是ASC升序

      例子:选择价格

                从PROD

                ORDER BY price DESC;

       注意:ORDER BY必须用在SQL语句的末尾。




       

使用优化算法,以优化VMD算法的惩罚因子惩罚因子 (α) 和分解层数 (K)。 1、将量子粒子群优化(QPSO)算法与变分模态分解(VMD)算法结合 VMD算法背景: VMD算法是一种自适应信号分解算法,主要用于分解信号为不同频率带宽的模态。 VMD的关键参数包括: 惩罚因子 α:控制带宽的限制。 分解层数 K:决定分解出的模态数。 QPSO算法背景: 量子粒子群优化(QPSO)是一种基于粒子群优化(PSO)的一种改进算法,通过量子行为模型增强全局搜索能力。 QPSO通过粒子的量子行为使其在搜索空间中不受位置限制,从而提高算法的收敛速度与全局优化能力。 任务: 使用QPSO优化VMD中的惩罚因子 α 和分解层数 K,以获得信号分解的最佳效果。 计划: 定义适应度函数:适应度函数根据VMD分解的效果来定义,通常使用重构信号的误差(例如均方误差、交叉熵等)来衡量分解的质量。 初始化QPSO粒子:定义粒子的位置和速度,表示 α 和 K 两个参数。初始化时需要在一个合理的范围内为每个粒子分配初始位置。 执行VMD分解:对每一组 α 和 K 参数,运行VMD算法分解信号。 更新QPSO粒子:使用QPSO算法更新粒子的状态,根据适应度函数调整粒子的搜索方向和位置。 迭代求解:重复QPSO的粒子更新步骤,直到满足终止条件(如适应度函数达到设定阈值,或最大迭代次数)。 输出优化结果:最终,QPSO算法会返回一个优化的 α 和 K,从而使VMD分解效果最佳。 2、将极光粒子(PLO)算法与变分模态分解(VMD)算法结合 PLO的优点与适用性 强大的全局搜索能力:PLO通过模拟极光粒子的运动,能够更高效地探索复杂的多峰优化问题,避免陷入局部最优。 鲁棒性强:PLO在面对高维、多模态问题时有较好的适应性,因此适合海上风电时间序列这种非线性、多噪声的数据。 应用场景:PLO适合用于优化VMD参数(α 和 K),并将其用于风电时间序列的预测任务。 进一步优化的建议 a. 实现更细致的PLO更新策略,优化极光粒子的运动模型。 b. 将PLO优化后的VMD应用于真实的海上风电数据,结合LSTM或XGBoost等模型进行风电功率预测。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值