市政工程项目施工质量管理研究

在工程建设中,市政工程因其具有的特点,对工程的质量的关注度更高。市政工程项目施工质量与当地社会经济发展密切相关,关系到城市的稳定、繁荣以及可持续发展,关系到广大人民群众的利益和出行安全,因此必须要对市政工程项目施工质量进行管理和控制。在本文中,笔者针对市政工程质量管理的发展状况,分析了现阶段市政工程项目质量管理存在的问题,提出切实可行的措施,使实际工作中有较强的可操作性。     

面向智慧城市的多依赖任务计算迁移研究

针对智慧城市的时延敏感型多依赖任务调度问题,提出了边缘计算赋能的智慧城市架构,并设计了一种计算迁移方法,以满足任务调度需求。首先建立了多依赖任务模型、任务的时延约束模型以及智慧城市服务器的负载约束模型。然后使用深度强化学习算法训练出可感知任务间依赖关系的智能体,以实时地进行计算迁移决策。一系列实验验证了该方法在时延、能耗优化方面的有效性。     

面向车联网边缘计算的智能计算迁移研究

为了满足车联网中车载任务所面临的服务迁移时间优化与边缘设备的资源负载优化需求,提出了一种面向车联网边缘计算的智能计算迁移方法(intelligent computing offloading method, ICOM).首先构建了车联网边缘计算系统资源模型、执行时间模型、边缘设备负载均衡模型;然后利用非支配排序遗传算法(non-dominant sorting genetic algorithm,NSGA-II)实现了对车载计算任务的迁移时间和边缘设备的负载均衡进行联合优化,从而为车载计算任务找到有效的计算迁移策略;最后根据多目标决策准则(multi-criteria decision making, MCDM)和逼近理想解排序法(technique for order preference by similarity to an ideal solution, TOPSIS)选择出最优的计算迁移策略.实验结果表明,ICOM方法能够使车载计算任务在期望时间内完成,同时也保证边缘设备的负载均衡.     

城市水源地保护对策研究

论述了水源地保护的重要意义,介绍了国外水源地保护的措施,从5个方面提出了我国水源地保护的对策建议。     

基于局部和全局信息的正则化迭代聚类

聚类是一种高效的数据分析方法,经典的K-means算法只适用于类簇为凸形的数据集,谱聚类算法虽然避免了K-means的一些缺点,但相似度中的参数设置问题以及较高的计算、存储复杂度对聚类有所限制.基于局部和全局信息的正则化迭代聚类,先取部分数据作为一个整体聚类,然后逐渐加入少量数据进行迭代求解.该方法继承传统谱聚类的优点,充分利用局部正则化和全局正则化信息,通过迭代方式求解使较大规模数据聚类成为可能.通过实验对比结果显示,该算法有良好的聚类效果.     

淤泥质海岸防波堤工程地基监测研究

港区内软土层深厚,地基条件复杂,堤身填筑高度大,给防波堤建设带来诸多隐患.为及时反映地基稳定状况、动态指导和控制施工进度,选取典型断面开展现场监测试验,对施工过程及工后的稳定性、变形、加固效果进行现场监测与检测.结果表明:地基沉降、深层水平位移在填筑期间发展较快,填筑至堤顶后逐渐趋于稳定.监测期内地基最大沉降量为760 mm,沉降速率在10 mm/d的安全标准范围,淤泥层压缩量占地基总沉降量的86%左右;地基最大深层水平位移在深度5～14 m范围的淤泥层内,水平位移速率小于5 mm/d.地基中总的孔压值在填筑期间上升,加载结束后孔压值开始缓慢消散,呈现出良好的规律性.防波堤建设后,淤泥地基的土性指标得到了不同程度的改善,地基强度得到明显提高.     

建筑施工企业合同管理存在的问题与对策

通过对建筑企业合同管理的现状进行分析,针对建筑企业合同管理存在的主要问题,提出了包括加强合同教育、优化企业和项目管理组织结构、完善合同管理制度体系和合同范本体系提高建筑企业合同管理水平的主要途径。