关于存储过程算法效率的问题，高人请进。

Question

为了复杂的业务需求，我用pl/sql写了关于最小二乘法，协方差，曲线相关系数等复杂的数学计算，不可避免了用了很多循环，我曾经也想过用临时表去做计算，但是计算过程太复杂，很难实现，就算实现，我觉得也会走很多弯路，现在我是想，是不是可以用java来实现算法，然后封装成存储过程，这样会比较快。请各位前辈提点意见

Answer 1

现在plsql好象有部分现成的数学计算
我这几天看书的时候看到方差的，刚找了下COVAR_POP(expr1,expr2):该函数用于返回成对数字的协方差(Covariance)，其数值使用表达式"(sum(expr1*expr2)-sum(expr1)*sum(expr2)/n)/n"COVAR_SAMP(expr1,expr2):该函数用于返回成对数字的协方差，其数值使用表达式
"(sum(expr1*expr2)-sum(expr1)*sum(expr2)/n)/(n-1)"取得
java好多东西也有现成的。东西没做过，不知道怎样快！但我认为，现成的东西都是底层实现，比你计算的要快

Answer 2

谢谢HelloWorld_001,函数我查过只有协方差和线性回归，有很多都不能满足需求。

Answer 3

那你查java的math类
不知道有没有完整的数学计算，不能满足需求的话也是需要自己写的。我没写过这些。

Answer 4

写的话，没有问题。就是担心效率，查了一下，说是java是在oracle内部运行的，pl/sql是最快的，不免有点疑惑，怕写完后，白费劲。

Answer 5

这是我的逻辑，请各位高人指点，那中实现方式会比较快。
模块1－求原始数据序列（如出帐收入）的移动平均数序列
输入：1）原始数据序列；2）对应帐期；3）平滑步长i
要求：1）平滑步长必须为大于1 的整数，且小于总帐期数；2）总帐期>＝（2×i－1）个月；
输出：移动平均数序列
要求：1）移动平均数序列所处帐期必须是每月原始数据序列（如出帐收入）对应所有帐期的子
集；2）如果i 为奇数，移动平均数列长途较原序列长度短i－1，如果i 为偶数，移动平均数列长
度较原序列长度短i－2。
加工过程：
1） 从第一个帐期月开始，第i 个月开始计算移动平均数，该月移动平均数＝(第1 月原始数
据如“收入”＋第2 月原始数据＋…＋第i 月原始数据) / i ；
2） 依次求出剩余月的移动平均数原始值；
3） 如果i 为奇数，计算完毕；
4） 如果i 为偶数，则需要再次进行修正：当前月修正后移动平均数＝（当前月移动平均数
＋次月移动平均数）/2。当前月为最后的帐期月时，因没有次月移动平均数，所以不再
进行修正，该月移动平均数抛弃。
模块2－求原始数据序列（如出帐收入）的季节指数
输入：1）原始数据序列；2）对应帐期；3）平滑步长i
要求：1）平滑步长必须为大于1 的整数，且小于总帐期数；2）总帐期>＝（2×i－1）个月；
输出：i 个月的每月季节指数
加工过程：
1） 调用模块1，得到缩短时间长度的移动平均数序列；
2） 分别用移动平均序列所处帐期的原始数据（如出帐收入）除以该帐期移动平均值，得到
不同帐期的样本季节指数；
3） 对相同月份的样本季节指数进行平均，得到理论季节指数；
4） 对每月季节指数进行修正：修正季节指数＝理论季节指数×（1/（i 个月理论季节指数之
和 / i）） ，完毕。
模块3－求一元线性回归方程
输入：1）自变量序列；2）因变量序列
要求：自变量序列与因变量序列的长度相等
输出：形似Y=a + b X 的一元回归方程，具体体现为两个数值：1）增长系数b ；2）截距a ；
加工过程：
1） 采用最小二乘法计算；
2） 具体计算过程(置信度99％的情况下)： ；
3） EXCEL 计算过程参考：工具－》数据分析－》回归－》输入Y 值区域和X 值区域－》
生成增长系数b 和截距a 。
模块4－求相关系数
输入：1）序列值1；2）序列值2
输出：两个序列的相关系数r ；
要求：1>= r >= -1
加工过程：
1） 具体计算过程：相关系数 ，其中，μx 为x 序列
的平均数，μy 为y 序列的平均数。σx、σy 则分别为x、y 序列的标准差（计算过程见
模块5）。
2） EXCEL 计算过程参考：工具－》数据分析－》相关系数－》选择数据区域－》生成相
关系数。或参考CORREL 函数。
模块5－求标准差
输入：序列值
输出：该序列的标准差 ；
加工过程：
1） 具体计算过程： ；
2） EXCEL 计算过程参考：STDEVP 函数。
模块6－求原始数据序列（如出帐收入）在指定帐期内的成长序列
输入：1）原始数据序列；2）对应帐期；3）平滑步长i；4）开始帐期；5）结束帐期
要求：1）平滑步长必须为大于1 的整数，且小于原始数据序列总帐期数；2）原始数据序列总帐
期>＝（2×i－1）个月
输出：指定帐期内每帐期的成长性数据序列
加工过程：
1） 调用模块2，得到i 个月的每月季节指数；
2） 每月原始数据（如出帐收入）除以当月季节指数，得到去除季节因素的数据序列；
3） 去除季节因素后，把指定帐期内的数据序列作为因变量序列，1、2、3、... n(指定帐期头
尾长度) 为自变量序列，调用模块3 得到一元线性回归方程；
4） 把自变量序列带入步骤3 得到的回归方程，得到成长序列，计算完毕。
模块7－求原始数据序列（如出帐收入）在指定帐期内的随机指数序列
输入：1）原始数据序列；2）对应帐期；3）平滑步长i；4）开始帐期；5）结束帐期
要求：1）平滑步长必须为大于1 的整数，且小于原始数据序列总帐期数；2）原始数据序列总帐
期>＝（2×i－1）个月
输出：指定帐期内所有帐期的随机指数序列
加工过程：
1） 调用模块2，得到i 个月的每月季节指数；
2） 调用模块6，得到在指定帐期内的成长序列；
3） 指定帐期内每月原始数据（如出帐收入）除以季节指数、成长收入，即得到该月随机指
数；
4） 依次按月执行步骤3，得到随机指数序列，计算完毕。
模块8－求两个序列曲线的相异度
输入：1）序列值1；2）序列值2；
要求：1）序列个数相等；2）可一一对应；
输出：相异度
加工过程：
1） 每个序列各自完成标准化过程，方法是序列中每个值除以序列的平均值；
2） 两个标准化序列值按帐期对应相减，得到差值序列；
3） 调用模块5，得到差值序列的标准差；
4） 这个标准差是去除单位的，可以衡量两个曲线的相异度，计算完毕。
模块9－求多个自变序列曲线对因变序列曲线的影响度
输入：1）因变序列值；2）自变序列值1～自变序列值N，N 为自然数；
要求：1）每个序列个数相等；2）可一一对应；
输出：自变序列值1～N 对因变序列值的各自影响度
要求：影响度值有N 个，格式均为百分比数，精确至小数点后两位
加工过程：
1） 调用模块8，求出因变序列值与每个自变序列值之间的相异度；
2） 调用模块4，求出因变序列值与每个自变序列值之间的相关系数；
3） 根据各个相异度及相关系数求影响度，具体公式为：
1. 相关系数>=0 时，某自变序列的影响度＝（1－该序列的相异度 /（所有自变序列相
异度之和））/2；
2. 相关系数<0 时，某自变序列的影响度＝－1×（1－该序列的相异度 /（所有自变序
列相异度之和））/2。