施工阶段工程造价跟踪审计

随着我国经济和社会的逐渐发展,我国对于施工过程中的工程造价跟踪审计问题也越来越重视。其在施工阶段是一项非常重要的工作,本文通过对于多个工程项目在施工阶段的工程造价跟踪审计工作进行调查分析。进而总结出在审计工作过程中所需要注意的几个施工重点问题,希望可以给管理工作者提供一些借鉴。     

链路增益平坦度对OTA测试准确性的影响分析

空口(OTA)测试已广泛应用在无线通信领域,提高测试结果的准确性是OTA测试当前急需解决的问题.文章从影响OTA测试结果准确性的因素链路增益平坦度入手,使用衰减器对测试链路进行增益削剪,分析测试了不同链路增益平坦度对被测件的EVM(误差矢量幅度)、BER(误码率)、TIS(总全向灵敏度)三项性能指标的测试误差与测试不确定度的影响.测试结果表明,增大链路增益平坦度会导致EVM、BER参数发生偏移,降低测试系统的通信质量;当系统的链路增益平坦度为1.82 dB时,测试误差与不确定度接近CTIA测试标准中规定值.最后,提出一种使用增益均衡器降低链路增益平坦度的方法,在链路增益平坦度为3.25 dB的测试系统中可将其控制在0.5dB以内.     

境外炼化工程项目投标竞争者分析报价策略

全球炼化工程总承包市场呈现出垄断竞争型特征,欧美和日韩国际工程公司由于技术和报价竞争力较强,一直占据本行业高端市场,中国炼化工程企业尚有差距.文章综合考虑投标报价阶段竞争者分析路径,提出了随机型和不完全信息静态博弈综合集成分析的投标报价最优决策模型,并以中东海湾地区某炼化工程总承包项目为例,进行多维度的实证分析,提出模型的有效性和可行性,为中国炼化工程企业"走出去"高质量发展提供有益的决策支持和信息参考.     

浅谈压力式温度计示值误差测量结果的不确定度评定

为了帮助试验人员深入了解压力式温度计的原理及作用,详细介绍了温度计示值误差测量结果的不确定度评定方法。影响压力式温度计示值误差结果的主要因素是,被检温度计的示值重复性、恒温槽温度不均匀性和恒温槽温场的波动。为了保证压力式温度计测量结果不确定度评定具有较高的可靠性,试验人员需要对影响评定可靠性的各种因素进行全面的分析,找出温度计示值的误差,从而确保温度计能够更好的被投入使用。     

跌坎式底流消力池边墙突扩宽度对池长的影响研究

对于山区峡谷,底流消能工长度方向工程布置往往受限。通过水工模型试验,研究跌坎深度10cm,跌坎式底流消力池边墙突扩宽度变化时,池内水流流态、底板时均压强及脉动压强不均匀系数的变化对消力池池长的影响。成果表明:流量Q=12L/s,相对于传统的底流消力池,突扩宽度由5cm依次增加到10、15、20cm时,消力池池长缩短长度分别为24、27、29cm。     

气相色谱法测定婴幼儿食品和乳品中碘含量的不确定度评定

按照GB 5009. 267-2016《食品安全国家标准食品中碘的测定》气相色谱法对婴幼儿食品和乳品中碘含量进行测定。对整个测量过程中不确定度的来源进行了分析,对各不确定度的分量进行了计算、合成并作出评定。当奶粉中碘的测定结果为132. 3μg/100g时,扩展不确定度为5. 1μg/100g,并给出了检测结果的不确定度表达式。     

赋能通信技术原理及应用展望

针对VHF/UHF频段电台仅能视距通信的应用局限,提出了一种基于对流层散射传播体制的赋能通信技术,并对其原理进行了介绍。该技术在不改变现役VHF/UHF电台硬件结构的前提下,通过建立赋能站和加载对流层散射通信波形,可以在VHF/UHF电台与赋能站之间实现可靠的超视距通信。通过理论分析、信道特性试验以及通信试验证实了该技术的可行性。最后对该技术的应用前景进行了分析。对实现多个被动传感器的优化选择和合理布站,提高目标定位精度有一定的理论和实际意义。     

移动设备交互环境下的注视点感知计算方法

为了提高移动设备上眼动跟踪的精度和效率、降低硬件成本,提出基于注视点回忆的眼动数据感知计算方法.首先利用人的短时记忆特性建立注视点回忆和自我报告机制,要求用户点击移动设备屏幕来提交注视点位置数据;然后基于支持向量回归方法建立注视点数据误差补偿模型,对用户回忆和提交的注视点数据进行校正,进一步提高数据精度.为了验证数据误差补偿模型的效果,设计并开展了用户实验,结果表明,使用数据误差补偿模型后,对于不同类型的测试任务和测试图片,注视点回忆数据精度提高15%～40%.     

基于启发式BP算法的软件缺陷预测模型

针对软件缺陷预测时缺陷数据集中存在的类别分布不平衡问题，结合上采样算法SMOTE与Edited Nearest Neighbor (ENN) 数据清洗策略，提出了一种基于启发式BP神经网络算法的软件缺陷预测模型。模型中采用上采样算法SMOTE增加少数类样本以改善项目中的数据不平衡状况，并针对采样后数据噪声问题进行ENN数据清洗，结合基于启发式学习的模拟退火算法改进四层BP神经网络后建立分类预测模型，在AEEEM数据库上使用交叉验证对提出的方案进行性能评估，结果表明所提出的算法能够有效提高模型在预测类不平衡数据时的分类准确度。