浅谈工程造价全过程管理

工程造价全过程管理涉及投资决策、项目设计、招投标、施工管理、竣工结算等各过程,其管理质量,直接决定着投资控制的成败.同时,在其过程性造价管理中,要严格掌控材料、设备、人力等造价管理,以实现关键性的造价定位,进而实现造价控制的效能性.     

贵州不同品种芸豆营养品质差异分析

探究大白芸豆、红芸豆、黑花芸豆、红腰豆和中白芸豆主要营养成分含量差异,对其营养品质进行分析与评价。以5个芸豆品种为试验材料,测定芸豆的蛋白质、脂肪、淀粉、灰分、矿物质元素、氨基酸和脂肪酸含量。结果表明:供试芸豆的蛋白质、脂肪、淀粉和灰分含量品种间差异极显著（P<0.01）,其含量分别为17.30~23.70、1.10~1.90、34.90~38.30、4.00~4.80 g/100 g。中白芸豆蛋白质和淀粉含量最高,分别为23.70、38.30 g/100 g;黑花芸豆K、Ca、Na和Mg含量最高,分别为1.99×104、1.15×103、33.40、1.79×103 mg/kg,中白芸豆Fe和Zn含量最高,分别为77.10、41.80 mg/kg,中白芸豆Na含量最低,为25.40 mg/kg;氨基酸含量范围是0.08~3.75 g/100 g,中白芸豆必需氨基酸（EAA）、非必需氨基酸（NEAA）和总氨基酸（TAA）含量最高,分别为8.86、14.17、23.03 g/100 g;5种芸豆脂肪酸含量范围是0.0020~0.8913 g/100 g,含有16种脂肪酸,其中饱和脂肪酸有9种,单不饱和脂肪酸有3种,多不饱和脂肪酸有4种,其含量排序依次为多不饱和脂肪酸>饱和脂肪酸>单不饱和脂肪酸,大白芸豆脂肪酸含量最高,为2.02 g/100 g。中白芸豆多不饱和脂肪酸与饱和脂肪酸比率（PS）最低,数值为4.14,红腰豆动脉粥硬化指数（AI）值最低,数值为0.005。综合多种营养成分含量分析,中白芸豆营养品质优于大白芸豆、红芸豆、黑花芸豆、红腰豆。     

光电内窥参数检测装置

报导一种新的光电内窥参数测量装置。将一半导体激光器发出的光束经柱面镜汇聚成一细线,通过特殊设计的折反棱镜将其沿轴线方向投影到管孔内壁,得到管孔内壁的光截轮廓,该轮廓经物镜成像到CCD光敏面,通过图像卡采集到计算机。在计算机图像测量及辅助提示下,完成参数测量。此外,该装置还可在测量显微镜横向移动导轨及读数手轮的配合下测量内孔中径。实验结果表明轴向测量的重复精度为±17μm;中径测量的重复精度为±12μm.它在工业制造领域内具有广阔的应用前景。     

煤矿测量红外定位放线装置的研制

针对当前矿山测量放线过程中存在工作量大、视线受阻、精度低等技术难题,研制了一套可移动式煤矿测量红外定位放线装置。介绍了该装置的结构和工作原理。经实际应用表明,该装置可应用于矿井内不同复杂地质条件下的施工地点,提高测量放线效率。     

谈如何控制工程造价

工程造价控制是建设管理的重要组成部分,对工程造价实施有效控制是合理使用财力、物力和人力的重要手段。控制工程造价活动也因此贯穿于工程建设的全过程,从建设前期的可研立项、方案论证、初步设计到施工图设计、招标投标、建筑安装施工,直至工程竣工验收投入使用。     

六氟化硫电气设备中水分子扩散过程研究

六氟化硫气体湿度是气体绝缘电气设备安全运行的重要指标,为了研究水分子在设备内的扩散过程,采用流体动力学模拟技术对不同压力条件下水分子从取样口扩散到设备本体的过程进行模拟,结果发现在分子热运动作用下达到完全扩散平衡最少需要222 h,证明了在密闭条件下取样口的气体湿度不能实时反映充气设备本体内的气体湿度,六氟化硫气体微水含量在线监测装置不应安装在设备取气口位置。     

高校教材样本的收藏与管理

通过分析高校教材样本收藏的重要意义和作用,探讨了高校教材样本收藏的范围和途径,并提出在高校图书馆与系部资料室设立专室或专橱管理教材样本的具体措施。     

高校学籍管理规范化建设的实践与探索

本文论述了高校学籍管理规范化的相关概念 ,对学籍管理规范化取得的成效进行了总结 ,并结合实际对进一步完善学籍管理规范化提出五点建议。     

工程造价资料的积累与应用

市场条件下,工程造价资料的积累是工程造价进行确定与计算的基础。工程造价资料的积累主要是对竣工决算资料的收集,工程造价资料的积累主要包括两个方面,一是对资料量的积累,二是对单价的计算。在工程的建设中,工程造价是必不可少的,只有对工程需要耗费的资金进行控制,工程才能进行更好的建设,也可以避免在建设中出现资金不足的现象,为工程的正常进行提供了保证。     

基于密度-距离的t混合模型流式数据聚类

传统流式数据采用人工设门法分析,效率低下且依赖于专家。近几年,很多自动流式数据聚类算法纷纷被提出,然而针对数据量不多且分布稀疏的小样本类群始终没有很好的解决办法。提出了一种基于密度-距离的t-混合模型流式数据聚类优化方法,能够较好地解决小样本类群区分困难的问题。该方法通过密度-距离中心算法定位各类群的初始中心,作为t-混合算法的初值对样本数据进行处理,通过最大似然估计求出各类群对应的样本数目,从而实现样本聚类。实验表明,与经典模型算法相比,基于密度-距离的t-混合模型优化算法具有更好的稳定性和可靠性,对小样本类群以及混叠的类群具有较强的适应能力。