oracle 日期维度,【求助】请问如何用date和time来创建时间维度表

该博客内容展示了一个PHP脚本,用于生成时间维度表的数据插入语句。脚本遍历从0到23小时,每小时的0到59分钟,区分上午和下午,并判断是否为工作时间。最终生成1440条记录,粒度为每分钟一条,时间维度表包括TimeKey、HourKey、MinuteKey、worktime、ampm等字段。
摘要由CSDN通过智能技术生成

//时间维度

//易铎

//2011-08-01

$x = 0;

for($i = 0; $i <= 23; $i ++) {

for($j = 0; $j <= 59; $j ++) {

if ($i < 12) {

$appm = '上午';

} else {

$appm = '下午';

}

if (($i >= 9 && $i < 12) || ($i >= 13 && $i < 18)) {

$worktime = "是";

} else {

$worktime = "不是";

}

echo sprintf ( "insert into DimTime ([TimeKey] ,[HourKey],[HourText],[worktime],[MinuteKey],[ampm])values(%d,%d,'%d点','%s','%02d:%02d','%s')", $x, $i, $i, $worktime, $i, $j, $appm ) . "\r\n";

$x ++;

}

}

?>

执行结果:

insert into DimTime ([TimeKey] ,[HourKey],[HourText],[worktime],[MinuteKey],[ampm])values(0,0,'0点','不是','00:00','上午')

insert into DimTime ([TimeKey] ,[HourKey],[HourText],[worktime],[MinuteKey],[ampm])values(1,0,'0点','不是','00:01','上午')

insert into DimTime ([TimeKey] ,[HourKey],[HourText],[worktime],[MinuteKey],[ampm])values(2,0,'0点','不是','00:02','上午')

...

insert into DimTime ([TimeKey] ,[HourKey],[HourText],[worktime],[MinuteKey],[ampm])values(1437,23,'23点','不是','23:57','下午')

insert into DimTime ([TimeKey] ,[HourKey],[HourText],[worktime],[MinuteKey],[ampm])values(1438,23,'23点','不是','23:58','下午')

insert into DimTime ([TimeKey] ,[HourKey],[HourText],[worktime],[MinuteKey],[ampm])values(1439,23,'23点','不是','23:59','下午')

共1440条,粒度为每分钟一条。

时间维度表结构

CREATE TABLE [dbo].[DimTime](

[TimeKey] [smallint] NOT NULL,

[HourKey] [tinyint] NOT NULL,

[MinuteKey] [nchar](5) NOT NULL,

[worktime] [nchar](2) NOT NULL,

[ampm] [nchar](4) NOT NULL,

[HourText] [nchar](3) NOT NULL,

CONSTRAINT [PK_DimTime] PRIMARY KEY CLUSTERED

(

[TimeKey] ASC

)WITH (PAD_INDEX  = OFF, STATISTICS_NORECOMPUTE  = OFF, IGNORE_DUP_KEY = OFF, ALLOW_ROW_LOCKS  = ON, ALLOW_PAGE_LOCKS  = ON) ON [PRIMARY]

) ON [PRIMARY]

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。
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