迁移模型范文（精选6篇）
迁移模型 第1篇
在教材中, 圆锥摆问题作为向心力公式的探究专门以实验方式呈现, 足见该模型的重要性, 这种重要性多次在高考中体现, 所以构建模型思想解决更多的问题是本文的意图, 期望抛砖引玉, 引发读者更多的思考.
【题源示例 】如图1所示, 一个内壁 光滑的圆 锥筒的轴线垂 直于水平 面, 圆锥筒固定 不动, 有两个质 量相同的小球A和B紧贴着内壁分别在图中所示的水平面内做匀速圆周 运动, 则下列说法正确的是 ()
A.球A的线速度必定大于球B的线速度
B.球A的角速度必定小于球B的角速度
C.球A的运动周期必定小于球B的运动周期
D.球A对筒壁的压力必定大于球B对筒壁的压力
解析:两球均贴 着圆锥筒的内 壁, 在水平面 内做匀速圆周 运动, 它们均受 到重力和筒壁对它的弹力FN的作用, 其合力必 定在水平 面内时刻指向 圆心, 如图2所示.由图可知, 筒壁对球的弹力, 所以A、B两球受到的筒壁的压力大小相等, D选项错误;对球运用牛顿定律得球的线速度.由此可见, 球的线速度随轨道半径的增大而增大, 所以A球的线速度必定大于B球的线速度, A选项正确;球的角速度随半径的增大而减小, 周期随半径的增大而增大, 所以A球的角速度小于B球的角速度, A球的周期大于B球的周期, A球的运动频率小于B球的运动频率, B选项正确, C选项错误.
【答案】AB
【模型特征】此类模型从运动角度看, 物体在水平面内做匀速圆周运动;从受力角度看, 物体都受到重力和倾斜的弹力作用, 因为物体做匀速圆周运动, 所以合力方向指向圆心, 并提供向心力.
【应对策略】 (1) 1明确研究对象, 对研究对象进行受力分析;2将物体所受外力通过力的正交分解将其沿径向和切向分解;3列方程:沿半径方向满足, 沿切线方向F合2=0.
(2) 找对物体做圆周运动的圆心和物体之间的距离, 即半径r.
(3) 厘清物体做圆周运动时的供需关系.当F供 =F需 时, 物体做匀速圆周运动;当F供 <F需时, 物体做离心运动;当F供 >F需 时, 物体做近心运动.
【常考问题】在教材中, 圆锥摆问题作为重点占据较大的篇幅, 意在凸显探究过程和典型模块的作用, 类似的考题有火车在倾斜的轨道上转弯、赛车在跑道上转弯、飞机盘旋等.
【易错警示】在受力分析时, 无中生有造出其他力;在求合力时不能准确的求出合力的方向, 特别是火车转弯问题将合力的方向认为是沿斜面方向;求解半径时也容易出现问题;误将圆锥摆与单摆混为一谈.
【题源激变】
【模型解读】用 一根细线一端系一小球 (可视为质点) , 另一端固定在 一光滑圆 锥顶上, 如图3所示.设小球在 水平面内做匀速 圆周运动 的角速度为ω, 线的张力为T, 则T随ω2变化的图象是图中的 ()
解析:小球角速度ω较小, 未离开锥面时, 设线的张力为T, 线的长度为L, 锥面对小球的支持力为N, 则有Tcosθ+Nsinθ=mg, TsinθNcosθ= mω2Lsinθ, 可求得T = mgcosθ +mω2Lsin2θ, 可见随ω 由0开始增加, T由mgcosθ开始随ω2的增大而呈线性增大, 当角速度增大 到小球飘 离锥面时, T·sinα=mω2Lsinα, 得T=mω2L, 可见T随ω2的增大仍呈线性增大, 但图线斜率增大了.
【答案】C
【点悟】从上面内容可见, 圆锥摆命题内容极为丰富, 有联系实际问题的, 如广东、江苏高考中出现“飞椅”等游乐设施中的相关计算和比较;有数理结合题, 像圆锥摆模型与图象结合, 小球放在凹形的碗中一起随碗转动;还有可以“跨界”命题的, 像带电粒子受到电场力或洛伦兹力和重力作用, 构建成与圆锥摆类似的受力分析图景.这些问题的共性都是合力充当了向心力, 且重力和倾斜方向的力的合力充当向心力并指向圆心, 当然, 对于较为复杂的临界极值问题, 我们可以采用极限的方法将临界态暴露出来.
迁移模型 第2篇
一、Vintage分析和迁移率模型的定义和应用意义
Vintage一词源自葡萄酒业，意思是葡萄酒酿造年份。因为每年的天气、温度、湿度、病虫害等情况不同，而这些因素都会对葡萄酒的品质产生很大的影响，所以人们对葡萄酒以葡萄当年的采摘年份进行标识来加以品质区分。现在Vintage分析被广泛应用于信用卡产业，分析的方法是针对信用卡不同时期开户的资产进行分别跟踪，按账龄长短进行同步对比，从而了解不同时期发行信用卡的资产质量情况。而迁移率模型是一种来预测未来坏账损失的方法，它通过对历史数据中处于某一拖欠位置的账户贷款余额每月拖欠变化情况的分析，来预测当期不同拖欠周期的未来坏账损失。两者的有效结合使用能实现信用卡营销及后续风险的精细化管理，能充分提示不同营销活动、渠道前期进件和后期风险情况，以确定较优的方案。信用卡业务经营的核心竞争力来自对收益与风险之间的平衡点的把握，信用卡业务的发展受到消费理念、市场策略、经济发展和社会信用环境等因素的影响，贯穿于产品设计、营销、审批、发卡、交易、结算、还款、催收以及客户服务的全过程，风险控制偏好和市场竞争策略会导致不同发卡机构的经营结果存在差异。面对纷繁复杂的竞争环境，发卡机构需要不断地试用才能找到较好的解决安案。
传统的销售报表统计较为笼统，对不同营销安案带来的销售业绩的增长反映及时，但在风险披露方面存在严重的时滞，这是由信用卡业务自身的特点决定的。由于有免还款期和最低还款制度，信用卡信用风险的显现存在一定的时滞性。目前国内信用卡业务处于高速扩张阶段，每月新增户数多，再加上名目繁多的信用卡促销活动，消费信贷余额急剧扩张，风险指标的分母迅速扩大，但其分子由于时滞性而没有同步显现，从而会造成风险指标的误码读。
Vintage分析方法能很好地解决时滞性问题，其核心思想是对不同时期的开户的资产进行分别跟踪，按照账龄的长短进行同步对比，从而了解不同时期发行信用卡的资产质量情况，是一个所谓竖切的概念；而迁移率模型能很好的提示信用卡账户整个生命周期中的衍变情况，是一个所谓横切的概念。
二、Vintage分析和迁移率模型的实证研究 1． Vintage分析 Vintage分析目前被广泛应用于信用卡产业。以下举例说明根据账龄所做的拖欠二周期账户的Vintage分析（见表1）
在表1中，列为发卡时间，行为经营时间。数据2.12%为2006年4月所发信用卡在2006年7月时拖欠二周期的金额除以该批信用卡在2006年7月时透支余额，依此类推，得到全表的数据。在此基础上，按照账龄为经营时间减去发卡时间进行表间数据的转换，得到表2, 并做出折线图（见图1）。
从图1中可以看到，2006年7月所发行信用卡的同期拖欠二周期的金额的比例要高于其他各期，管理层获得此信息后，应该回顾2006年7月所采用的市场营销策略，检查此时间段内的目标客户群是否为高风除群，是否在些时间段内执行了宽松的审批策略，是否放松了对风险的监管。通过深层次的分析，及时找出问题并总结经验。
2． 迁移率模型
模型的应用步骤如下： 第一步，根据逾期时间的长短，以30天为间隔定义逾期的周期C0 ~ C6，其中没有逾期的（含已偿还最低还款额的透支）定义为C0，逾期1 ~ 29天的定义为C1，逾期30 ~ 59天的定义为C2，以此类推，逾期180天以上的定义为C7（见表3）。
第二步，根据上一个周期拖欠余额中进入下一个周期的发生额，计算出每个周期的坏账分期迁移率。坏账分期迁移率为当月该周期应收账款余额除以上月上周期应收账款余额。
第三步，对最近6个月的坏账分期迁移率进行平滑处理，计算出6个月的平均坏账分期迁移率和坏账回收率（见表4）。
4中标注为黄色的部分为不良透支的迁移路径，在此可以很清晰地看到2006年1月的正常透支1007843元中有23.55%的透支（237337元）在2月成为拖欠一周期的贷款；到了3月，237337元中又有23.33%的透支（55370元）成为拖欠二周期的贷款；4月，又有45.41%的透支进一步恶化，成为拖欠三周期的贷款；到了5月，由于已过了催收的黄金时期（90天以内），83.38%的透支成为拖欠四周期的贷款；6月，可能采用了催收外包和司法手段进行催收，取得了良好的效果，仅有49.37%的透支被拖入到下一个周期；7月，经过严厉催收仍没收回的透支有较大比例进入拖欠五周期的行列。表中的拖欠数据经过迁移率的计算，可以清晰地显示出某时期内各时点的不同拖欠周期的数据演化过程。
第四步，计算净坏账损失率。C0变化至C7，需经过C0 ~ C1、C1 ~ C2、C2 ~ C3、C3 ~ C4、C4 ~ C5、C5~ C6、C6 ~ C7等7次迁移，相应的其毛坏账损失率就应等于这些月底平均迁移率的乘积，即16.1%*29.28%*42.27%*80.09%*53.6%*80.32%*88.03%=0.60%，扣除C7的回收率后，净损失率=0.60%*(1-10.79%)=0.54%。依此类推，可以得到C1的净损失率为3.35%，C2的净损失率为11.45%，C3的净损失率为27.08%，C4的净损失率为33.81%，C5的净损失率为63.07%，C6的净损失率为63.07%，C7的净损失率为78.53%。由此，可以根据当月应计拨备额=∑（净坏账损失率*月末应收账款余额）的计算公式得出2006年7月的拨备金额为65410元。
三、与传统分析方法的比较 1． Vintage分析与传统报表分析的比较
Vintage分析为管理都提供了一种将不同时期数据进行同步比较的方法，能够对不同安案进行同期数据的全方位比较，有利于确定最佳营销方案。发卡机构在经营信用卡业务时，一般会在一年中不同的时期实施不同的营销方案，销售统计报表大多数情况下只是将不同渠道、不同产品、不同月份的数据的分类统计信息揭示给管理层，数据是平面、顺序表现的。而Vintage分析通过账龄分析的方法将不同时期的数据拉平到同一时期进行比较，可以很直观地对不同时期营销活动的效果进行同期的比较和反思，以确定何种营销活动对信用卡公司更为有利。
Vintage分析的另一优势为，发卡机构在确定了大的方案后，Vintage分析可以将同期的数据按照不同维度进行立体展现，比较该方案中各种因素。譬如，发卡机构确定了某方案为较优的方案后，需要对最有效的获卡途径进行甄别。以开户日期为终身标志的不同账户，在盖上时戳的同时就已经定下了进件渠道（，网络、直销、分行销售）、批卡政策、地区、联名卡项目等诸多因素，如果需要对数据进一步切分，可以以不同的进件渠道如网络、直销、分行销售等进行Vintage分析，有效地分析出同时期不同进件渠道、不同地区、甚至不同审批政策的结果。
2． 迁移率模型与五级分类的比较
名人代言广告的意义迁移模型 第3篇
意义迁移模型是Grant Mc Cracken于1989年提出的。在这里, 所谓的“意义”指的就是名人的形象。他认为名人广告对受众的影响过程也就是名人形象的意义迁移过程。这一过程包括三个阶段:第一个阶段, 一定的文化环境赋予名人一定的象征性意义, 使名人具有一定的形象, 即成为某种性别、年龄、社会地位、个性或生活方式的象征;第二个阶段, 当名人和商品一起出现在广告中时, 名人就把这种象征性意义或形象迁移到商品上, 使商品具有某种象征性意义;第三阶段, 消费者通过使用或消费这种商品而获得这些象征性意义、重构自我形象。
二、意义迁移模型的影响因素和阶段
笔者以Grant Mc Gracken的意义迁移模型为基础, 结合消费者心理学的知识体系就中国当前的品牌代言活动做出了具体的模型分析。如下图。
如图, 名人代言品牌广告活动分三个阶段。
第一阶段主体是名人本身。在名人成为某品牌的代言人之前一般有一个意义形成过程。名人通过参加各种社会实践活动, 使他 (她) 在公众心目中形成了某种特定“意义”, 成为某种性别、年龄、社会地位、个性或生活方式的象征。在这个阶段, 名人自身因素即名人因子对其“意义”形成最具影响力。名人因子包括名人的外表、知名度、美誉度、名人的道德修养、名人在其活动领域内所取得的成就以及名人对社会公益活动的参与程度。另外, 舆论因子对名人形象的意义形成也有相当大的作用, 如媒体对名人的正面宣传和对其所参加的公益活动的相关报道都对名人形象意义的塑成起到了推波助澜的作用。在名人的正面形象意义形成过程中, 名人的知名度、美誉度、成就、良好的道德修养、参加公益活动等因素也同时成为消费者对名人形成信赖情感的信赖因子。
第二个阶段主体是广告代言活动。名人通过广告活动为品牌代言, 把名人自身的意义迁移到其所代言的品牌上面, 形成特定的品牌意义。这个阶段对于品牌形象影响最大的是设计因子和表现因子。在设计因子中, 媒体的选择, 广告的色彩搭配、画面图像、情节设计、音乐、旁白、字幕都是意义迁移的重要情境, 而名人在广告中的表现因子则是这次意义迁移的中心信息, 名人的动作、表情、语言、服饰、角色以及上述因素和名人本人之间的匹配性、与周围情境的匹配性、名人形象与品牌原有形象之间的匹配性等, 上述表现因素都会影响到品牌形象的成型。另外, 名人在品牌产品的领域是否具有专业性也成为影响消费者对品牌形象认知的信赖因子, 媒体对该品牌选择名人过程内幕的正面报道, 以及对名人不菲代言价格的报道都会对意义迁移过程起到较大作用。
第三阶段主体是消费者。消费者通过消费此品牌产品获得这些象征意义, 重构自身形象。这阶段最主要的影响因素是消费者因子, 即消费者的年龄、性别、职业、所处的社会阶层、扮演的社会和家庭角色以及消费者对名人的认知度、认同度和其所处的群体。消费者因子还包括名人扮演角色和生活状态是否消费者所向往的、名人扮演角色与生活状态与消费者本身角色相似。这个阶段, 消费者本身越是信赖名人, 与名人的角色越是相似, 则对该品牌越是认同和信任。当然, 在品牌意义迁移到消费者意义的过程中, 舆论因子也一直的发挥其效力, 媒介对该名人和该品牌形象的评价也会随时影响到消费者的消费过程。
此外, 社会运行机制、公共舆论压力和国家法律体系从总体上影响着整个意义迁移的过程, 如法律对名人言行的制约、对虚假广告的制裁和社会公共舆论对名人形象的影响都是意义迁移模型中的重要因素。
三、意义迁移模型对我国品牌名人代言活动的启发
意义迁移模型中, 品牌代言活动要想取得相应效果, 从名人形象到品牌形象到消费者形象的意义迁移过程几个环节必须丝丝紧扣, 保持高度的一致性。因此, 企业要通过广告代言活动达到三个一致性, 即名人形象与品牌形象一致性, 角色形象与名人形象一致性, 角色形象与目标消费者形象一致性。
首先, 企业选择名人代言之前应该对自己的品牌形象进行深入分析, 头脑中有一个大概的模型。另外, 企业对该品牌的目标消费者应该有深入的了解, 从而了解目标消费者对自己形象的界定和其向往的生活方式以及其所喜欢的名人形象和受到名人形象的影响程度, 然后再确定和企业品牌形象最符合的名人人选。因此, 在对品牌形象的塑造和对目标消费者的形象了解的基础之上确定的名人形象, 会在更大的程度上与品牌形象和消费者形象相吻合。这样的准确定位也使后续的广告活动进行更为顺利。
其次, 在广告中, 企业要想达到角色与名人形象的一致性, 在名人代言活动时应该充分利用名人已经形成的形象, 而不是试图在广告中改变其形象, 这样就应该设计出和名人形象一致的角色形象。如前所述, 名人形象受到名人的外表、知名度、美誉度、名人的道德修养、名人的成就以及名人对社会公益活动的参与程度等因素的影响, 加上媒体对名人的某些方面进行宣传, 这些因素让名人形象本身具备了某种特定性。企业在选择名人之前, 名人形象已经大体定型, 也只有这样, 企业才能充分利用名人效应达到轻而易举建立品牌形象的结果。因此, 在代言广告中, 企业应该利用的是名人已经形成的形象来设置广告情境, 而不是要重新塑造名人形象。
双语互动激活模型与语言迁移 第4篇
1双语互动激活模型
双语领域研究随着认知科学的发展有了新的进展。有关双语言词汇的发生过程有不同的理解, 学者质疑母语词汇系统和二语词汇系统的激活是否是一致的。目前的研究都认为这个激活过程是一致的, 在接触到词汇过程中, 两个词库都会受到刺激而启动。让人困惑的是如果这两个词库是同时被激活, 那么被激活的母语词汇和二语词汇之间是否会产生干扰, 如果有干扰, 干扰又是如何发生的呢, 在这个问题上, 不同学者有着不同的解释。
特定性提取模型认为双语的两个词库系统仅有一个会被选择机制提取, 无论非目标语言的激活程度如何, 都不会对目标词汇的提取产生影响。该模型没有解释非目标语言的复杂加工过程, 比较简单的解释了语言的词汇提取过程, 对于具体的词汇提取过程, 该模型并没有给出合理的说明。近来的研究显示语言内和语言间的启动或干扰效应不一样的, 语言内干扰超过了语际干扰, 但特定提取模型无法对此现象做出解释。
与此相对应的观点是BIA/BIA+模型, 该模型得到行为研究的支持 (Van Heuven 1998;杨雯琴, 李荣宝2012) , 近年来的双语神经成像研究也倾向于支持该模型 (刘文宇, 隋丹妮2009;王慧莉, 陈宏俊2009) 。有研究显示, 在上下文语境和话语场景高度约束的情境下, 双语同形异义词的相关信息依旧得到了不同程度的刺激和激活, 这些实验说明双语词汇加工的过程是一种自动的自下而上的过程, 上面的信息并不能阻挡信息的激活。
语言非选择性理论认为由于词形语音输入之间的重叠与语言输入的两种语言的词汇表征初始前馈信息相联系, 因此双语词汇表征能够被激活, 这构成了BIA模型及其BIA+模型的核心。
语言互动激活模型BIA (图1) :在结构上, 4个结点层组成BIA模型, 分别为特征结点层、字母结点层、单词结点层和语言结点层。特征结点层位于最下方, 14种视觉特征决定;字母结点位于其上层, 由26个字母编码而成;其次是单词结点层, 这个层面涉及英语和荷兰语中的四字母单词, ;语言结点层位于最上面, 由两个结点所构成, 这两个结点分别表示英语和荷兰语 (图1中箭头表示激活, 带有圆点的线条表示抑制) 。图中的单词结点层描绘出了两个单词集合, 分别对应于英语和荷兰语单词, 但是在实际语言处理过程中, 所有单词都会在激活前有横向的抑制和竞争, 因此单词结点层表现为一个合成的统一词库。
整体来看, 3条基本原则在BIA模型激活过程中发挥着重重要要作作用用。。首首先先, , 激激活活是是从从模模型型的的底底层层向向顶顶层层流流动动开开始始, , 从从特特征征结结点点到到字字母母层层面面, , 到到单单词词, , 最最后后激激活活倒倒到到语语言言层层面面, , 只只有有与与输输入入相相符符之之后后上上一一层层结结点点才才能能被被激激活活。。第第二二条条原原则则, , 在在单单词词结结点点层层上上, , 两两种种语语言言的的互互相相干干扰扰竞竞争争组组成成了了单单词词的的横横向向竞竞争争。。第第三三条条原原则则, , 语语言言结结点点整整体体有有着着从从上上到到下下的的限限制制作作用用。。被被激激活活的的单单词词可可以以促促进进其其剩剩余余字字母母的的激激活活, , 被被激激活活的的语语言言又又可可以以抑抑制制另另一一种种语语言言的的激激活活。。新新结结点点的的激激活活依依靠靠不不同同层层面面之之间间的的激激活活互互相相抑制和影响, 与输入信息最匹配的单词结点会在这种互相影响下下达达到到识识别别度度, , 于于是是该该单单词词被被识识别别出出。。
22语语言言迁迁移移与与BBIIAA模模式式
目前各种研究表明二语心理词汇与母语心理词汇相关联, 这种关联是不断的发展变化。随着认知科学的实验, 我们了解到汉语与英语在人脑中的提取和储存是不同的, 当学习者学习英语时候, 学习者开始在大脑中建立自己的双语模式, 在模式的建造过程中, 母语的影响是不能忽视的, 通过深入了解学习者内部双语词汇的储存与激活, 可以更清晰的了解迁移的发生, 理解语言学习动态过程。
在语言学习初期, 整个双语互动模型处于建立阶段, 低层的节点刚刚建立。底层节点是建立在母语的庞大基础之上。母语基础和人的内在语言能力促使节点建立, 但是母语与目标语的差异性又阻碍着节点的巩固。当从下往上的辨认开始时, 不稳定的节点容易发生迁移。初级学习者在这个环节常发生错误, 很多是受汉语习惯辨认单词。英语和汉语是两套不同的体系, 汉语是象形文字, 英语是拼音文字, 汉语的语言模式大大阻碍了语言学习初期的学习, 此阶段的困难集中在特征节点层, 在视觉输入后, 学习者的语言节点不能快速启动, 无法对英语进行有效的辨认, 这也可以用来解释很多初学者在学习英语初期所感到巨大困难。
在特征节点层, 学习者起初用汉语的特征来建立辨认英语的节点, 在反复的错误发生后, 逐渐建立英语的语音文字系统, 打造一个基本稳固的底层节点来提高自己的英语水平, 进入语言学习的中级阶段。
语言学习中级阶段:语言低层节点已经基本建立, 但该系统还不是很完善, 节点也不是很稳定, 在学习运用第二语言的时候, 不稳定的节点和不完善的系统会受到汉语语系和储存的影响。中国英语学习者在使用英语时, 大多从概念出发, 在英语中找不到到恰当的词汇及其用法, 只能找出一些意义上相关的英语词汇, 写一些汉化的句子和词汇用法错误。此外由于汉语的语音系统有自己的特点, 学习者偏向母语发音进行单词的辨认和记忆, 所以迁移主要是发生在字母节点层和单词节点层, 表现为单词拼写错误和词汇错误占大多数。在此阶段, 字母节点层和单词节点层互相牵制, 学习者逐渐建立自己的二语学习系统, 母语负迁移逐渐减少。
进入语言学习的高级阶段, 二语者建立起相对完善的二语心理词库, 当高层的语言节点激活时候, 另外一种语言的激活被比较好地限制, 母语的影响可以被很好地控制, 所以此阶段母语的负迁移很少。另外由于学习者的双语词库在不断的建立, 节点也逐渐完善, 高级学习者能很好地控制横向的抑制, 母语正迁移逐渐增多。整个双语激活模型在正迁移的影响下更加稳固。
在语言学习中, 节点的建立和稳定在系统中起到关键的作用, 错误和迁移的发生不断地促进节点的稳固和建立。
3结束语
BIA模型有效阐明语言迁移中出现的词形相似性效应和发生在语言间的语音和语义重叠效应, 但是BIA模型没有具体的说明节点的建立和稳固, 在双语激活模型下, 影响迁移发生的主要是节点, 并且底层的节点起到了重要的作用。有关节点的研究还需要深入, 需要了解的是节点是如何建立的, 节点是以音素, 词条还是整词语信息为单元储存?同时BIA模型属于局部主义模型的一种, 这种模型在解释成人双语系统的静态结构上有很大的说服力, 但是没有涉及由学习所引起的双语表征系统的变化;尤其是在阐述由双语熟练程度变化所带来的相关语言系统加工方式的变化有些难度。
从以上分析来看, 语言迁移是学习者在学习过程中的一个必然的过程, 是学习者建立自己新的语言系统时所必须经历过程;在学习过程中, 基本的发音, 单词, 词素是很重要的, 这些最基本的语言要素是建造二语模型的基础;语言迁移就在这个基础中发生。没有语言迁移, 双语模式则很难建立起来, 正是在迁移的帮助下, 双语词汇提取模式建立起来。
语言迁移是一个复杂的语言现象, 有关汉语和英语的BIA模型目前直接的实验很少, 随着科技的进步, 在这个方面的实验有助于进一步深入的研究来具体地看待英汉双语者的双语词汇提取模式是怎样的, 促进语言和其他边缘学科的学习与发展。
参考文献
[1]Lado R.linguistics across cultures[M].Ann Arbor:Universityof Michigan Press, 1957.
[2]Van Heuven W J B, Dijkstra T, Grailnger J.Orthographicneighborhood effects in bilingual world recognition[J].Journalof Memory and Language, 1998, 39:457-483.
[3]Thomas M S C, Van Heuve W J B.Computational Modals of Bi-lingual Comprehension[C]//Kroll J F, de Groot A M B.Hand-book of Bilingualism:Psycholinguistic Approaches.Oxford Ox-ford University Press, 2005.
[4]戴炜栋, 王栋.语言迁移研究:问题与思考[J].外国语, 2002 (6) .
[5]唐承贤.第二语言习得中的母语迁移研究述评[J].解放军外国语学院学报, 2003 (5) .
[6]刘文宇, 隋丹妮.汉英双语者语言选择的ERP研究[J].外语研究, 2009 (4) :19-23.
[7]杨雯琴, 李宝荣.中国英语学习者母语加工中的二语竞争激活[J].外语研究, 2012 (4) :34-39.
[8]王慧莉, 陈宏俊.汉英双语者奇偶数语码转换的ERP研究[J].外语研究, 2009 (4) :12-18.
[9]王文宇.语言迁移现象研究的回顾与思考[J].外语教学, 1999 (1) .
迁移模型 第5篇
关键词：试井,Oracle,PL/SQL,数据迁移:数据映射
试井是油田开发过程中一种重要的作业方式, 在油田勘探开发数据库中, 试井数据与生产测井数据隶属于开发库中的油田监测类数据。EPDM试井模型是大庆油田2010年在中石油PCEDM试井模型的基础上修订的模型, 根据大庆油田试井数据库现状在PCEDM的基础上对表和字段做了一定的扩充。由于EPDM的上线应用, 原有试井数据的迁移已成为首要的工作任务。本文从模型分析、字典获取、数据映射、数据迁移4方面详细介绍EPDM试井数据的迁移。
1 试井模型分析
1.1 原试井模型
大庆油田原试井模型采用的是2003年修订的《开发数据库逻辑结构与填写规定》中的油田监测模型。模型中包括DCA类的试井数据和DCB类的生产测井数据。其中试井涵盖抽油机示功图、动静液面、静液面恢复数据、流静压数据和不稳定试井解释成果等15张数据表。
2003版的试井模型采用的是一种松耦合方式设计的关系数据库, 不同于EPDM模型的紧耦合, 松耦合是指表与表之间的关联程度较低, 可以独立应用, 表的设计完全是基于实际应用中数据获取的需求而设计。对于这种面向实际应用的数据库设计方式, 表间无约束, 能够方便数据的录入, 但错误数据出现的概率大。
1.2 EPDM试井模型
A1主库模型包含基本实体、地质油藏、油气田注采、测试等17个部分, 试井隶属于测试模块, 由试井项目、动静液面测试数据、井筒温度压力测试等28张表组成。EPDM试井模型数据表见表1。
EPDM试井模型参照数据库分表设计理论, 按照主从表、紧耦合的方式设计。其中试井项目表为主索引表, 其他表根据具体试井项目和数据类别 (包含现场测试数据、过程化数据和成果数据) 来划分, 并且作为试井项目表的从表存在。不同从表以ID字段作为主键字段, 与试井项目表中的主键字段关联。在原试井模型中频繁出现的主键组合字段 (井号、测试日期、监测代码和层段序号组合) 则只在主索引表中存储, 在从表中不再存储具体数据, 仅以ID关联的方式来间接获取这些字段的数据。这种存储方式尽可能地减少了数据项的冗余, 设计更加理论化。但是在习惯了原模型数据存储的管理方式后, 新模型在初次应用时难免会觉得有点不方便。而且由于有过多的主外键约束, 数据迁移入库较难, 但是相对而言, 数据一旦进库后则错误较少。
1.3 两种存储方案的对比
1.3.1 主键的差异
主键是保证数据唯一及非空, 用来唯一区分表的记录的字段, 它主要用于外键的关联、记录的增删改等操作。从性能上来讲, 在主键的设计上应该遵循以下几个原则:主键的无意义性、不应包含动态变化的数据、敏感信息不能选做主键、主键应该是单列的 (为了提高连接和筛选操作的效率) 。从实际应用上来讲, 有意义的主键、多列的主键反而更易于数据的使用。
原试井模型多采用井号、测试日期、监测代码和层段序号来作为主键。这种有实际意义的主键的组合唯一标识了数据表的一条记录, 防止了记录的重复。虽然容易理解, 但是从性能上考虑, 执行效率很低。EPDM试井模型应用无实际意义的字段ID来作为主、外键, 不同表之间通过ID关联, 未与主索引表直接关联的表以子表连接父表, 父表与主索引表直接关联。ID是一种由不同字符和数字等组成的字符型随机数, 可以由Oralce的随机函数自动生成。由于用程序生成的键值不能重复, 在数据库系统中新入库数据与旧数据的区分以及数据库系统的集成上较为方便, 执行效率很高。
1.3.2 表级别的差异
原试井模型和EPDM试井模型均按试井施工和资料解释划分, 但在表级别上有所区分。原模型均为同级别的表, 按油水井测压、分层测试和井间监测等划分。EPDM则按主从表设计, 最多划分为4级。主表即是试井项目表的主索引表, 从表根据试井项目划分。从表中又划分为父子表。以流静压数据为例, 流静压测试台阶数据为流静压测试基础数据的子表, 流静压测试结果信息为流静压测试基础数据的父表。这3张表均为主索引表试井项目表的从表。
1.3.3 表内容设计的差异
EPDM模型比原模型增加了水驱前缘、示踪剂、投井下取探深/探砂面、验封等测试项目。由试油结果分析解释表管理原模型的不稳定试井解释成果和干扰试井解释成果数据以及边界数据。为了与试油表和试井的计量工具表建立关联, 增加了压力测量与分析和压力测量与压力计两张表作为专门的连接用表。EPDM模型在原模型的基础上增加了台阶数据, 方便台阶深度、压力、温度等数据字段的增减。台阶数据的使用虽然减少了字段的个数, 但是也导致记录数随着台阶序号的个数翻番, 是在牺牲存储空间的前提下减少了字段冗余。
1.4 EPDM试井模型E-R图
EPDM试井模型关系图描述了试井项目所涉及的业务实体关系, 共36张数据表。其中井筒、完井层位、井筒地层、井作业阶段、计量数据表、计量工具表、试油/中途测试结果分析共8张表分别引自基本实体、单井地质及试油作业数据。
EPDM试井模型的E-R图见图1。
2 EPDM试井数据字典的获取
在EPDM试井数据模型的应用中, 数据字典是数据迁移中不可或缺的工具。下面介绍3种获取数据字典的方式。
2.1 利用Oracle动态性能表获取字典
应用模型文档整理出建表的SQL语句, 在Oracle建表时在comments字段填写汉字字段名称, 利用系统数据字典可得到实时的PCEDM表数据字典。
2.2 利用Power Designe生成数据字典
Power Designer可以方便地对管理信息系统进行分析设计, 包括了数据库模型设计的全过程。可以制作数据流程图、概念数据模型、物理数据模型。当把Power Designer与用户数据库连接成功之后, 通过菜单中的Generate Database命令可以在DBMS中生成数据库表。
2.3 利用PDMReader生成数据字典
PDMReader是浏览速查p DM文件的软件, 具备ADO连接数据库的基本功能, 提供了SQL脚本导出, xls, doc, html, txt文件导出等功能。在PDMReader中导入PDM字典文件, 打开DM数据库 (access数据库) , 得到数据字典表, 导入Oracle。即可利用系统数据字典得到实时的PCEDM表数据字典。
3 数据映射
数据映射是从源数据库表到目的数据库表的字段之间的对应关系。在数据迁移过程中, 源数据库表即是原试井模型管理的数据表, 目的数据库表即是在数据库中建立的EPDM试井模型数据表。映射关系的确定也就是为两种模型搭建一个关联的桥梁, 为后续数据迁移做准备。数据映射按照迁移方向分为正向与反向两类。正向是从原模型到EPDM, 反向是从EPDM到原模型。映射类型分为直接映射、一对多、多对一、计算字段、合并字段、拆分字段、扩展字段、外关键字段、类型转换字段、单位转换字段、无用字段、代码表的映射字段、转置字段等十多种类型。为每种类型的映射指定操作公式, 在映射表中按公式填写。正向映射表的截图如图2所示。
4 数据迁移
4.1 迁移准备
大庆油田试井源数据分散存储在测试分公司和12个采油厂的13个数据库服务器中。测试分公司存储的流静压数据和不稳定试井解释成果包含了各厂的这两张数据表。各厂分别管理着抽油机示功图、水井分层测试数据、叠加分析图数据、半对数分析图数据等数据。
为了实现多数据源的试井数据到EPDM模型的迁移, 首先要在本地数据库服务器上建立两个用户:一个作为迁移的目标用户, 一个作为迁移中间表的用户。迁移中间用户建立分别连到13台远程试井数据库服务器的数据库链, 同时建立到A1迁移目标服务器的数据库链;目标服务器只需建立到迁移中间用户所在数据库服务器上的数据库链即可。
根据EPDM试井模型, 在迁移目标用户下建立一整套的试井数据表, 包含试井28张EPDM表和涉及其他专业的8张表, 并把主外键的约束关系设定。中间用户只需把目标用户下试井表的DMP备份文件导入即能迅速建立一致的试井库, 不需建任何约束。
在正式开始数据迁移前, 需要保证需要迁移的试井源数据的可访问和迁移目标服务器上试井所需基本实体数据的完整。基本实体数据是否完备直接关系到迁移数据的数据量。对于试井项目表中那几个作为基本实体表的主键存在的外键ID字段, 确定它们已经完成了到各实体表的迁移。
4.2 迁移流程
整个迁移流程包含14个步骤, 参见表2。
应用Oracle PL/SQL语言, 按照迁移流程编写存储过程执行数据迁移。图3为每个存储过程头部的说明文档, 指明了本过程的目的、迁移的方向、数据表的迁移顺序和迁移步骤。
在数据迁移时, 迁入临时库参照的是正向映射, 创建反向视图参照的是反向映射。迁移的数据表需要严格按照迁移顺序执行。迁移的顺序参照EPDM试井模型的E-R图, 一条路线的箭头的指向的反方向就是迁移的顺序。以DCA04为例, 图4中箭头的反向标示了迁移的路线。
数据迁移时使用中间库有两个目的:一是作为迁移的备份库。由于迁移时受基本实体的控制, 在基本实体表例如井CD_WELL_SOURCE表中没有要迁移的井的数据时, 直接迁移到正式库必然会导致数据迁不进去。在这种情况下, 需要对这部分数据做一个备份, 待找到原因后再迁移, 中间库和目标迁移库结构一致, 后续迁移也方便。二是中间库没有建立约束, 在步骤3中已经验证了本地数据表的主键, 把主键组合重复或是全记录重复的记录做了筛选, 可以建立源数据表的组合主键作为辅助迁移主键, 在迁移至中间库时所有ID字段可以不用一次准备成随机数的形式。可在插入数据后主外键按顺序更新为关联ID, 纯主键用Oracle的随机函数dbms_random.string (’’x’’, length) 生成, 其中length为纯主键的字段程度。更新完毕后, 数据已准备成为符合迁移目标库全部约束和结构的数据, 直接按顺序迁入正式库即可。
在迁移过程中, EPDM每张表都含有的纯主键、主外键和纯外键的部分组合。每张表的纯主键都是自己生成, 主外键引用所关联表的主键, 纯外键同样引用所关联表的主键。关联表主键ID存在的情况下, 数据才会迁移成功, 这就决定了ID的构建和引用的顺序。我们在迁移时调用的辅助迁移主键则可以作为ID更新时的关联条件, 保证更新的准确性。
5 结论
通过对试井模型的分析、数据字典、正反向映射关系的确定、迁移环境、数据的准备, 以及迁移过程的编写和执行, 我们顺利完成了原模型试井数据到EPDM试井模型的数据迁移和反向视图的创建。反向视图的创建实际上又再现了原模型的数据。相信在原数据库和EPDM数据库双轨运行一段时间后, EPDM模型必将取代原数据模型, 实现油田勘探开发数据管理方式的国际化, 以最新、最先进的数据模型实现数据管理是企业发展的必然趋势。
参考文献
[1]中国石油天然气股份有限公司Al标准化组.主数据库勘探开发综合数据 (PCEDM) A1数据模型[R].2009.
迁移模型 第6篇
关键词：填埋场,污染物,迁移,原理
一、污染物迁移分析原理
城市生活垃圾填埋场产生的渗沥液将对填埋场周边的土壤和地下水造成严重的污染[1]。为了控制渗沥液对周边环境的污染, 需要对填埋场渗沥液中污染物的迁移规律进行准确分析。POLLUTEv7[2]可以用来提供快速、准确、全面的污染物运移分析能力。其基本分析原理如下:
1. 控制方程
POLLUTEv7采用一维对流—扩散模型模拟污染物沿竖直方向通过防渗衬里, 模型的基本假设为: (1) 污染源位于土层顶部, 并且污染物在土层中的扩散是一维的, 不考虑其他外部污染源; (2) 每层土的物理特性 (如扩散系数、流速、孔隙率等) 为均匀分布; (3) 土层中土壤为饱和状态, 水流为平流, 不考虑瞬时流动; (4) 土壤颗粒对污染物的的吸附为线性吸附。
在上述基本假设前提下, 污染物在土层中一维对流—扩散模型的控制方程为:
式 (1) 中C为污染物的浓度, D为污染物通过土层的扩散系数, v为达西速度, λ为衰变系数, λ=ln2/T1/2, T1/2为污染物在土层中的半衰期。Rd为阻滞因子, 其表达式为:
式 (2) 中, ρ为土层的干密度, Kd为, n为土层的孔隙率。
2. 方程求解
采用Rowe[3]提出的有限层方法求解控制方程 (1) , 该方法为半解析半数值的方法, 其主要步骤为: (1) 采用Laplace变换简化控制方程 (1) , 然后采用解析方法求解变换后的偏微分方程; (2) 采用数值方法将上一步骤中得到的解析解求Laplace逆变换, 得到控制方程 (1) 的数值解。
二、污染物迁移分析应用
1. 分析模型
选取美国规范RCRA的典型垃圾填埋场。该填埋场由的复合衬垫和主渗滤液收集系统。该复合衬垫是由一个1.5毫米土工膜与0.9米厚压实粘土衬垫构成, 土工膜与压实粘土之间接触良好。根据工程实际情况, 假定土工膜上缺陷的面积为0.1平方厘米, 缺陷的数量为1个缺陷每英亩 (2.5公顷) 。采用吉罗等人 (1992) 提出的方法计算污染物通过复合衬垫以考虑污染的渗漏。
填埋场模型中, 填埋场沿地下水流方向的尺寸为200m。考虑挥发性有机物, 其初始浓度值取为1.5mg/L。复合衬垫的渗沥液水头高度为0.3m。挥发性有机物在防渗衬垫中的运移参数 (如表1所示) 。
2. 输出结果
通过建立污染物迁移模型, 根据实际条件确定防渗沉淀的边界条件。可以得到污染物浓度—深度曲线。污染物浓度随着深度的增加而逐渐降低, 说明防渗衬垫具有一定的防污效果。为了更加准确地得到分析结果, 可以采用数据表格输出方式导出数据, 便于数据处理和分析。
三、结论
污染物迁移模拟模型POLLUTEv7是用于分析各种有机和无机污染物在介质中运移的模型。能够考虑非线性吸附、放射性衰变和生物降解衰变等多种污染物迁移及转换规律, 是一种功能强大、方便快捷的污染物迁移分析模型, 在垃圾填埋场的设计中将得到广泛的应用。
参考文献
[1]李颖.城市生活垃圾卫生填埋场设计指南[M].北京:中国环境科学出版社, 2005.
[2]GAEA Pollutev7 Users Guide, 2004, GAEA Technologies Ltd.