摘要：基于设计单位主导EPC模式下建设项目造价管理经验,分析EPC项目工程变更发生的定义、原因、类型。然后建立数学统计模型,通过案例数据定量分析工程变更对造价的影响,为设计单位承接EPC项目和成本控制提供参考。

摘要：为提高方案阶段的投资估算准确性,文章提出了建立基于模块化的工业建筑快速估算体系,首先对工业建筑物进行单位工程的模块划分,其次应用统计学原理对单位工程造价指标建立预测模型。最后提出了推广模块化造价快速估算体系的建议和下一步要研究的目标。

摘要：针对改扩建项目的特点,对其财务评价的方法进行了科学、深入的归纳和研究,并阐述了改扩建项目实际工作中需要注意的问题,如项目的评价范围、计算期的选取、沉没成本、机会成本、分摊费用的处理等,为改扩建项目投资决策提供依据。

摘要：针对实际场景中跟踪目标的快速移动、光照变化和尺度变换等问题,提出一种基于动态特征注意模型(DFA)的三分支网络目标跟踪算法,包括:以SiamRPN++跟踪框架为基础,设计具有动态模板分支的在线更新三分支网络,以强化网络提取特征的语义信息,提高模板特征与搜索目标的匹配相似性;设计面向三分支网络训练的样本生成方法,以改变负样本分配方式,提升正、负样本训练的平衡性;设计一种DFA,通过等效自注意和互注意操作增强模板的历史动态特征,实现模板特征的自适应细化,同时利用通道注意力得分控制搜索特征图的权重分配,提高得分图对目标的响应。相对SiamRPN++、SiamBAN等对比算法,所提算法在包含运动模糊、明暗变化和相似背景干扰等场景的OTB100、VOT2018数据集上,获得了最高成功率(71.0%)和最优鲁棒性(0.122),同时可满足实时目标跟踪的要求。

摘要：相对于传统人工神经网络(ANN),脉冲神经网络(SNN)具有生物可解释性、计算效率高等优势。然而,对于目标检测任务,SNN存在训练难度大、精度低等问题。针对上述问题,该文提出一种基于动态阈值LIF神经元(DT-LIF)与单镜头多盒检测器(SSD)的SNN目标检测方法。首先,设计了一种DT-LIF神经元模型,该模型可根据累积的膜电位动态调整神经元的阈值,以驱动深层网络的脉冲活动,提高推理速度。同时,以DT-LIF神经元为基元,构建了一种基于SSD的混合SNN。该网络以脉冲视觉几何群网络(Spiking VGG)和脉冲密集连接卷积网络(Spiking DenseNet)为主干(Backbone),具有由批处理归一化(BN)层、脉冲卷积(SC)层与DT-LIF神经元构成的3个额外层和SSD预测框头(Head)。实验结果表明,相对于LIF神经元网络,DT-LIF神经元网络在Prophesee GEN1数据集上的目标检测精度提高了25.2%。对比AsyNet算法,所提方法的目标检测精度提高了17.9%。

摘要：运用第三代海浪模式SWAN,分别将台风模型风场、美国NCEP风场、合成风场作为其驱动风场,与实测值比较发现:合成风场优于另外两种风场,在台风中心和远离台风中心地带模拟效果都较好。故选用合成风场作为驱动风场,对1982—2015年间影响东南沿海的210个台风过程进行数值模拟推算,进行P-Ⅲ曲线拟合分析,与测站实测资料符合良好。在此基础上,分方向绘制出东南沿海的百年一遇的波高分布图,可为近海工程环境评估和设计提供参考。

摘要：近年来,随着人民生活水平的不断提高和建筑业迅猛发展,安居工程的建设也大量增加.