Oracle超大型数据库逻辑迁移实践

针对通信行业实践中现有超大型数据库迁移存在方案复杂和难度大等问题,给出基于Export/Import和数据泵技术的数据逻辑迁移解决方案。首先,对Oracle数据库逻辑迁移解决方案的逻辑迁移技术和迁移过程进行分析,指出迁移过程需要考虑的多种因素。然后,对方案进行具体应用。实践表明该方案具有有效性。

基于迁移学习算法的深部爆破振动速度预测

为了更好地预测深部矿山爆破振动速度,针对深部爆破振动速度预测中存在的样本量小、数据分布同浅部爆破不同的问题,将浅部地下矿山爆破数据中有用的知识迁移至深部矿山爆破振动速度预测模型中,提出一种逻辑回归迁移学习算法(LR-TrAdaboost),提升模型的样本容量及预测准确率;以某铜矿深部爆破振动速度预测为研究对象,结合该铜矿27条深部爆破数据以及梅山矿等5个地下金属矿204条浅部爆破数据,利用支持向量回归机(SVR)、回归迁移学习算法(TrAdaboost-R 2)以及LR-TrAdaboost算法分别进行预测和对比。结果表明:3种算法的模型分数分别为0.24、0.38、0.81,均方根误差(RMSE)分别为0.152、0.107、0.06,LR-TrAdaboost算法预测误差相比SVR、TrAdaboost-R^(2)分别降低了60.5%、43.9%;同时,LR-TrAdaboost在迭代次数为50时已经收敛,而TrAdaboost-R^(2)在迭代次数100次后才收敛,收敛速度前者是后者的2倍;LR-TrAdaboost算法的预测性能更好。

天性VS理性:家属迁移对农民工居留意愿的影响研究

利用2015年中国流动人口动态监测东部地区调查数据,分析家属迁移对农民工在城市长期居留意愿的影响。研究发现:子女迁移对农民工长期居留意愿的影响大于配偶迁移和父母迁移,子女迁移成为农民工长期居留意愿的主要动力,配偶迁移和父母迁移则成为农民工长期居留意愿的基础动力。倾向得分匹配方法的子样本结果表明,在子女迁移的基础上配偶迁移对农民工长期居留意愿产生了负面影响,配偶工作后子女迁移和父母迁移均显著促进了农民工长期居留意愿,子女迁移会挤压其他家属迁移对农民工居留意愿的作用。这表明农民工对子女表现出一种天性父(母)爱的非完全经济理性迁移逻辑,对配偶迁移和父母迁移表现出一种经济理性迁移逻辑。