排序方式: 共有5条查询结果,搜索用时 15 毫秒
1
1.
水利工程施工进度风险分析 总被引:1,自引:0,他引:1
为保证工程施工进度按计划进行,基于水利工程施工期特点,从子工作与风险因素两方面同时分析了影响进度的风险程度。通过构建WBS-RBS矩阵,对影响水利工程施工进度的风险因素及其敏感性进行识别,基于FAHP对各层风险因素做权重计算,依据风险度理论计算各子工作对应风险因素的风险度,对其进行求和并排序,找出对进度影响较大的子工作及其相应影响较大的风险因素,并结合关键工作和非关键工作分别制定不同的风险应对措施。以某水电站工程为例,基于上述方法得到影响该工程进度较大的子工作,结合风险度表,准确定位其相应的风险因素,并对其中影响较大的风险因素提出应对措施。据此,从纵向和横向同时控制,有针对性地采取风险应对措施,降低进度风险,保证工程按进度计划实施。 相似文献
2.
3.
土壤水分是水文循环、生态环境、气候变化等研究中的关键参数,获取高分辨率长时间序列的土壤水分信息对农业管理、作物生长监测等具有重要的意义,同时也是研究的难点。基于时间序列(2019年至2020年)的Sentinel-1雷达数据和Sentinel-2光学数据,构建了地表土壤水分的雷达与光学数据协同反演模型,即裸土条件下地表土壤水分的变化检测方法,并利用归一化植被指数对植被影响进行校正,实现了青藏高原多年冻土区(五道梁)100 m空间分辨率的土壤水分反演。与地面实际观测的土壤水分进行对比验证,结果表明土壤水分反演结果与地面实测数据的相关系数介于0.672与0.941之间,无偏均方根误差介于0.031 m3/m3与0.073 m3/m3之间,土壤水分变化与区域降水事件和特征密切相关,验证了本文提出的考虑植被物候的变化检测方法在地势平坦、植被稀疏的青藏高原地区具有极高的适用性。 相似文献
4.
针对城市需水量影响因子多、BP神经网络收敛速度慢、精度低、易陷入局部最优等问题,提出灰色关联分析、思维进化算法、BP神经网络三者耦合的改进预测模型,利用灰色关联分析(GRA)筛选需水量主要影响因子,采用全局搜索能力极强的思维进化算法(MEA)优化BP神经网络的权值和阈值,从而构建GRA-MEA-BP耦合需水预测模型,同时建立BP神经网络模型作为对比。实例应用结果表明,GRA-MEA-BP耦合模型具有更高的预测精度和预测速度,可作为一种有效的需水预测模型。 相似文献
5.
1