ABAP日期函数

ABAP日期函数

计算两个日期间的工作天数,就是剔除了双休日后的天数.( 待考证)
DATE_CONVERT_TO_FACTORYDATE
HR_HK_DIFF_BT_2_DATES


根据当前时间如何找到上月的第一天和最后一天?
CALL FUNCTION 'FIMA_DATE_CREATE'
        EXPORTING
             I_DATE                  = SY-DATUM
             I_MONTHS                = '-1'
             I_SET_LAST_DAY_OF_MONTH = 'X'
        IMPORTING
             E_DATE                  = LASTDATE.
LASTDATE是上个月最后一天。
FIRSTDAY是上月第一天
CONCATENATE LASTDATE+(6) '01' INTO FIRSTDAY.。
当天是当年的第几周
DATE_GET_WEEK
得到该周第一天
WEEK_GET_FIRST_DAY
查找当前月份以前的月份(比如现在是4月份,如果我需要知道6个月之前是哪个月)
CCM_GO_BACK_MONTHS
RP_CALC_DATE_IN_INTERVAL
获取两日期之间天数函数:
FIMA_DAYS_AND_MONTHS_AND_YEARS
取得当月的第一天和最后一天
CONCATENATE sy-datum(6) '01' INTO so_date-low.
CALL FUNCTION 'BKK_GET_MONTH_LASTDAY'
   EXPORTING
     i_date = sy-datum
   IMPORTING
     e_date = so_date-high.
so_date-sign = 'I'. so_date-option = 'BT'. APPEND so_date.
RP_CALC_DATE_IN_INTERVAL 年月日加减
DATE_CHECK_PLAUSIBILITY 日期有效性检查
SD_DATETIME_DIFFERENCE 两日期作差
DATE_CONVERT_TO_FACTORYDATE 把输入日期转为工厂日历日期
MONTH_NAMES_GET 获得所有的月和名字
F4_DATE     弹出一个窗口显示一个日历允许用户选择一个日期。
RP_LAST_DAY_OF_MONTHS 获得一个月的最后一天
FIRST_DAY_IN_PERIOD_GET 获得期间首日
LAST_DAY_IN_PERIOD_GET 获得期间末日
DATE_GET_WEEK      返回一个日期所在的周数。
CALL FUNCTION 'HR_99S_INTERVAL_BETWEEN_DATES'"获得两个日期的年数
          EXPORTING
            begda   = gdat
            endda   = sy-datum
          IMPORTING
            c_years = l_age.
关于星期(周)的函数
FM:GET_WEEK_INFO_BASED_ON_DATE输入参数                        值
DATE                            2008.01.09输出参数                        值
WEEK                            200802      <----2008年第二周
MONDAY                          2008.01.07 <----这个周周一的日期
SUNDAY                          2008.01.13 <----周日的日期
FM:DAY_IN_WEEK(输入日期是星期几)

输入参数                        值
DATUM                           2008.01.09输出参数                        值
WOTNR                           3           <----2008-1-9为周三
*更多关于Week的函数请看Function Group:CADA
*弹出选择周的对话框
AT SELECTION-SCREEN ON VALUE-REQUEST FOR s_week-low.
PERFORM getweek CHANGING s_week-low.FORM getweek CHANGING p_week .
DATA: begin_date TYPE d .
CALL FUNCTION 'POPUP_CALENDAR_SDB'
       EXPORTING
            sel_week   = 'X'
            focus_day = sy-datum
       IMPORTING
            begin_date = begin_date.
CALL FUNCTION 'GET_WEEK_INFO_BASED_ON_DATE'
       EXPORTING
            date = begin_date
       IMPORTING
            week = p_week.
ENDFORM.F4_CLOCK 选择时间*需求:只有显示年月,但要有日期的search helpPARAMETERS:p1(6) TYPE c.
AT SELECTION-SCREEN ON VALUE-REQUEST FOR p1.
  DATA:l_date TYPE sy-datum.
  CALL FUNCTION 'F4_DATE'
    EXPORTING
       date_for_first_month          = sy-datum
    IMPORTING
       select_date                   = l_date
    EXCEPTIONS
       calendar_buffer_not_loadable = 1
       date_after_range              = 2
       date_before_range             = 3
       date_invalid                  = 4
       factory_calendar_not_found    = 5
       holiday_calendar_not_found    = 6
       parameter_conflict            = 7
      OTHERS                        = 8.
  IF sy-subrc <> 0.
    MESSAGE ID sy-msgid TYPE sy-msgty NUMBER sy-msgno
            WITH sy-msgv1 sy-msgv2 sy-msgv3 sy-msgv4.
  ENDIF.
   p1 = l_date+0(6).* check plausibilty of dates
CALL FUNCTION 'DATE_CHECK_PLAUSIBILITY'
     EXPORTING
          DATE = bkdf-dbbdt.TIME_CHECK_PLAUSIBILITY   判断是不是时间GET_CURRENT_YEAR
得到当前的财政年(fiscal year)
察看某日期的属性,包括该日期是星期几,第几天(周2=2),是不是公共假期等,需要输入国家日历。

DAY_ATTRIBUTES_GET判断某天是否是假日
HOLIDAY_CHECK_AND_GET_INFOPOPUP_TO_SELECT_MONTH 月份选择窗口比较日期和时间TYPE-POOLS : TRFF .
DATA : X_LOG_OP        TYPE TRFF_TYPE_C_2 .
          CALL FUNCTION 'FIMA_DATE_COMPARE'
          EXPORTING
            I_FLG_INTRADAY = 'X'
            I_DATE         = SY-DATUM
            I_TIME         = SY-UZEIT
            I_COMP_DATE    = L_MODIFY-MODDATE
            I_COMP_TIME    = L_MODIFY-MODTIME
          IMPORTING
            E_LOG_OP       = X_LOG_OP.
p_months = -4."前4月,如果为正,则是后面的日期

CALL FUNCTION 'MONTH_PLUS_DETERMINE'
    EXPORTING
      MONTHS        = p_months
      OLDDATE       = p_date
    IMPORTING
      NEWDATE       = p_date.获得某个日期所在的周,获得某周的第一天。
DATE_GET_WEEK 和 WEEK_GET_FIRST_DAY
function date_get_week.
*"----------------------------------------------------------------------
*"*"Lokale Schnittstelle:
*"       IMPORTING
*"             VALUE(DATE) LIKE SCAL-DATE
*"       EXPORTING
*"             VALUE(WEEK) LIKE SCAL-WEEK
*"       EXCEPTIONS
*"              DATE_INVALID
*"----------------------------------------------------------------------

函数模块作用:
获得某个日期所在的周。
=============================================
function week_get_first_day.
*"----------------------------------------------------------------------
*"*"Lokale Schnittstelle:
*" IMPORTING
*"     VALUE(WEEK) LIKE SCAL-WEEK
*" EXPORTING
*"     VALUE(DATE) LIKE SCAL-DATE
*" EXCEPTIONS
*"      WEEK_INVALID
*"----------------------------------------------------------------------

函数模块作用:
获得某周的第一天。
============================================
上述两个函数的功能已经包含在 HR_GBSSP_GET_WEEK_DATES 中了。从数据表中获得指定语言每周七天的名称,例如中文就是星期一、星期二……星期日,英文就是Sunday、Monday……Saturday。WEEKDAY_GETFUNCTION WEEKDAY_GET.
*"----------------------------------------------------------------------
*"*"Lokale Schnittstelle:
*"       IMPORTING
*"             VALUE(LANGUAGE) LIKE SY-LANGU DEFAULT SY-LANGU
*"       EXPORTING
*"             VALUE(RETURN_CODE) LIKE SY-SUBRC
*"       TABLES
*"              WEEKDAY STRUCTURE T246
*"       EXCEPTIONS
*"              WEEKDAY_NOT_FOUND
*"----------------------------------------------------------------------

函数模块作用:
从数据表中获得指定语言每周七天的名称,例如中文就是星期一、星期二……星期日,英文就是Sunday、Monday……Saturday。

输入参数:
LANGUAGE:指定语言代码,可以省略,如果不填就是当前登录语言。注意,在调用时如果指定某种特定语言,必须用一个字节的语言代码,例如中文是 1、英文是 E……,而不能用 ZH、EN,语言代码参见表 T002。

输出参数:
RETURN_CODE:返回码,查询数据库获得的返回码。但是由于这个函数会抛出异常,因此返回码的作用不大。

表:
WEEKDAY:结构与透明表 T246 相同,用来存储返回给用户的周日名称。

异常:
WEEKDAY_NOT_FOUND:没有找到周日的描述。
1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
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