地铁施工中车站之间密贴下穿风险及控制措施

新建车站密贴下穿既有车站暗挖工程施工风险大,既有车站沉降控制要求高,因此有必要对车站之间密贴下穿工程中的风险进行分析,提出变形控制措施。本文以北京地铁6号线苹果园站新建车站密贴下穿既有车站实际工程为例,分析新建车站密贴下穿既有车站工程风险;提出在PBA工法施工基础上采取控制措施减小既有车站沉降,达到工程沉降控制要求。控制措施包括：1)PBA工法导洞开挖前分区域深孔注浆加固导洞周围地层;2)既有车站监测数据中部分监测点的沉降累计数值接近预警值时采用注浆抬升工艺控制既有车站沉降;3)下穿段中,与既有车站重复区域采用丝杠支顶工艺。最终通过监控数据进行验证,得出PBA工法结合以上沉降控制措施进行密贴下穿工程施工能够起到良好的沉降控制效果。     

食品安全风险监测与监督抽检探讨

随着人们生活水平的不断提升,人们的食品安全意识也在不断提高。为了满足人们日益提升的食品安全要求,食品监督监管部门要对市场准入的食品开展严格的监督管控,优化各项工作,为我国食品安全保驾护航。基于此,本文详细分析了食品安全风险监测与监督抽检意义与潜在问题,并提出食品安全风险监测与监督抽检优化策略。     

贺州市2018—2020年各地区食品安全状况分析

本文分析了2018年至2020年贺州市3县2区食品安全抽检和风险监测的情况,得出贺州市各县(区)食品安全状况。近3年来,贺州市食品安全总的抽检量分别为1 308批、2 226批、7 466批呈递增趋势,而抽检不合格率分别为6.2%、4.2%、1.7%呈递减趋势,总体水平良好。根据不合格项,总结出风险较高的食品类别有酱腌菜、茶叶、餐饮食品等,风险高的项目主要有农药残留、超范围和超限量使用食品添加剂、微生物污染等。对食品质量安全状况进行分析,以期为贺州市食品安全监管提供数据参考。     

关注城市拆迁用电管理

近年来,随着蚌埠市经济快速发展,城市建设日新月异,大规模的区域拆迁工作紧锣密鼓。据不完全统计,仅2007年,蚌埠市100多户以上的区域拆迁达近10处。大量的区域拆迂,造成用电的安全风险、电费回收风险、电力设施保全和客户用电服务工作不断加大。区域拆迁中的电力设施保全、用电安全和电费的回收等不是小事,都必须高度重视,这不仅是供电企业的事．也是社会各界都要重视的事。     

浅析我国食品安全风险监测管理现状

食品安全问题作为全球性问题一直备受关注,食品安全风险监测管理可以识别食品安全风险,并将其控制在可接受范围内,是解决食品安全风险的有力武器。简要介绍了食品安全风险监测管理的定义、步骤、方法等,指出了我国食品安全风险监测管理存在的部分问题,并提出了我国食品安全风险监测管理优化对策,以期能为我国食品安全风险监测管理提供理论和技术参考。     

基于卷积神经网络的网贷违约风险模型研究

自互联网金融诞生以来,网络贷款得到了快速发展,但是借贷双方的信息不对称增加了网贷的违约风险,同时随着互联网技术的发展网贷用户数据也表现出高维化的趋势,数据处理面临更大的挑战,因此亟需应对该问题并在网贷违约风险上进行准确、稳定的预测。该文提出了卷积神经网络(CNN)和一般机器学习模型结合的预测模型,利用CNN在数据特征提取上的优势来处理高维的网贷用户信息。首先采用数值图形化思想对网贷用户数据进行处理并与CNN对接,其次调整其超参数选择合适的网络模型,然后基于三种一般机器学习模型与CNN的组合进行网贷风险预测测试,最后在真实数据集上使用最优的网贷违约风险预测模型进行预测。实验结果验证了组合模型的显著性以及CNN对一般机器学习模型性能提升的能力,为网贷风险预测提供了一种新思路。     

工程总承包项目的成本风险及其防范

本文在介绍国外EPC项目所面临的成本风险概念、类别和特点的基础上,提出了相应的防范措施,并探讨了项目履行过程中,根据FIDIC合同相关规定,针对如何降低成本风险提出了相应的建议,以供对外承包商参考.     

“华龙一号”机组48VA列直流电源失电事故研究

本文分析了ECA失电的研究方法和对机组主要工艺系统的影响等内容,总结了“华龙一号”机组在失去ECA后存在的主要风险及应对措施,并对可能影响事故后运行干预操作的情形提出了相关优化建议。该研究是对“华龙一号”48 V A列仪控电源失电事故后果的全面总结,对机组事故控制及阀门失电安全位置优化具有一定参考意义。     

基于风险加权的同构化区间型多属性决策新算法

多属性决策问题的复杂性、决策因素影响的不确定和传统评判方法的局限性,使不确定决策因素的属性测度常常难以精确量化,往往只能用区间数进行大致估量.为了精确量化表征属性决策因素测度值不确定性,根据同构化基本原理与相似性科学相关理论及相关思想,针对区间型多属性决策问题提出了一种基于同构化多属性决策新方法的新算法.该新算法的主要特点是:1)提出了决策者风险偏好权重;2)采用了同构化风险测度三元组(拟下限相似度,风险程度,风险偏好值),来精确量化决策过程中存在的风险程度以及决策者对此风险程度的偏好;3)生成了可描述各属性与决策目标关系的标杆方案;4)定义了方案相似度新概念;5)构造了风险加权相似度量算子(RWSM0),来度量各决策方案与标杆方案之间风险加权相似度的大小;6)挑选出风险加权相似度最大的方案作为最优或满意方案.