浅谈对投标工作的几点认识

建筑市场开放之后,建筑工程实行招标、投标办法,施工企业要通过投标,中标之后才能得到工程项目。因此,投标工作在施工企业经营管理中事关重大。投标工作是一个系统工程,有许多理论问题值得探讨,下面就投标工作谈几点认识: 一、项目的选择 投标项目的选择正确与否,对企业经济利益起着重大作用,必须认真对待。从主观条件     

影响施工企业投标竞争水平的几个因素不可忽视

随着建筑市场竞争的日趋激烈,施工企业获得工程项目的难度越来越大。本文结合近年来工程投标中出现的新情况,就财务能力、预算准确度、信息收集、保密工作及投标技巧运用等四个方面对施工企业投标竞争水平的影响加以探讨,期望能够引起企业决策者的重视。     

双重信息不对称下期望绩效落差对制造企业研发投入的影响研究

面对实际绩效与期望水平之间的落差，企业如何反应备受关注。本文从绩效反馈理论和信息不对称理论出发，利用2010～2021年上市制造企业的非平衡面板数据，探讨不同期望绩效落差对企业研发投入的影响，以及对外合作和机构关注两种信息不对称情境下的权变作用，研究发现：(1)不同期望绩效落差对研发投入的影响存在异质性：历史期望绩效落差带来负向影响，行业期望绩效落差带来正向影响；(2)对外合作程度强化了历史期望绩效落差对研发投入的负向影响；(3)机构关注度强化了行业期望绩效落差对研发投入的正向影响。这些研究发现对于引导企业管理者有效利用内外部信息规划创新投入具有一定理论借鉴和实践启示。     

浅谈除险加固工程的投标策略与作价技巧

在除险加固工程招投标竞争日趋激烈的形势下，水利水电施工企业要想中标，又要从承包工程中赢利，就必须综合考虑各种主观条件与客观因素，研究相应的投标策略，确定正确的投标作价方法。为此，施工企业应针对除险加固工程的特点，采取在技术标中尽力显示自己的经营管理水平，用高水平的施工组织设计抓住业主对本企业信心；使企业以技高一筹取胜；以改进设计和缩短工期取胜；降低利润，吸引业主的注意力；先低价报价，再利用索赔等投标策略和一些作价技巧；提高中标几率，获取利润。     

海外石化EPC项目投标效率探讨

海外EPC项目在近年来的石油化工行业中占比越来越大.在这类项目中,如何高效投标,成为石化企业项目管理的一个重要问题.基于网络DEA模型,结合几个海外EPC项目的真实数据,对石化行业海外EPC项目投标工作的效率进行了分析和探讨.通过分析发现,在进行投标报价的标高金决策时,更加关注项目地环境、市场等宏观影响因素可提高投标效率.     

煤炭企业经营管理决策支持系统研究

一、问题提出目前，煤炭企业经营管理决策中的科学性、方法性远远没有得到应有重视，企业的决策者在很大程度上是依靠个人经验，参考历史资料，进行主观推断，从而作出决策。分析这种决策过程，可以发现煤炭企业经营管理决策存在以下问题：１决策机制不健全。从现行决策...     

基于偏好多阶段DEA模型的高技术产业区域创新绩效评价研究

高技术产业已成为区域创新的重要载体，并通过高新技术企业从事的诸多科技活动及创新行为，凝结成为推动区域创新的助推力。鉴于高技术产业在科技创新中蕴含的结构特征，将该产业创新过程划分为具有紧密逻辑关联的两个阶段。诚然，为了获得更加科学、准确的评价结 果需要将决策者的主观偏好体现在管理决策过程中。本文提出了体现两阶段特征的偏好DEA 模型，对我国高技术产业的区域绩效进行了测算，进一步探究出决策者在不同阶段偏好下对高技术产业创新效率的影响，并针对各区域的分布特征分别提出了对策与措施。     

水利工程投标报价计算之要点浅议

工程项目的投标报价对水利工程建设企业而言，在项目承揽中是重要且必须的环节。而如何确定具有竞争力且合理的投标报价，对于工程能否能够夺标成功又起着至关重要的作用。所以，这就要求企业在编制出报价时不仅要能够适合企业自身的特点，为企业赢得利润，而且还需要具有相当竞争能力。笔者根据投标报价的具体流程，论述了水利工程中投标报价的编制方法、计算的重点要点以及投标的技巧与策略等问题。     

谈合同管理中的投标报价管理

加强投标报价的管理工作，是提高投标中标率的关键，也是合同管理的重要内容。笔者根据在实际工作中的经验、教训，对影响投标报价的一些因素及具体操作中应注意的问题进行了分析，以期促进施工企业的投标工作。     

承包商如何做好投标工作

通过对建立信息网络、实施项目的跟踪选择、投标前的准备工作、标价的计算、报价决策和编制高质量的投标件等方面的论述，说明了做好投标工作应注意的问题。承包商应以先进的管理和先进的施工技术来提高企业的竞争力，达到中标的目的。     

基于轻量级卷积神经网络的苹果表面缺陷检测方法

为了解决目前农业信息领域对苹果表面缺陷检测准确率低的问题,提出一种基于轻量级卷积神经网络的苹果表面缺陷检测方法。首先采集苹果缺陷样本图片制作实验数据集用于模型训练和测试;其次在AlexNet网络结构的基础上,引入深度可分离卷积代替原有网络中的标准卷积运算来进行图像特征的提取;最后利用全局平均池化方法代替原有网络中的全连接层,从而将卷积层输出的多个特征图以自身为单位进行映射得到特征点。实验结果表明:改进后网络对苹果缺陷识别精度达到了98.57%,较改进前提升1.55%;较改进前模型参数量减少99.3%、训练速度提高32.67%、FPS提高33.28%,改进后的轻量级卷积神经网络不仅减少了模型参数量和训练时间,而且提高了检测精度和速度。因此,新的检测方法在减少模型参数量的同时,还可保证模型的检测精度和效率,具有较强的工程实用性,可为苹果缺陷分类提供理论参考。     

Neural network application for fuzzy multi-criteria decision making problems

In this paper, a fuzzy multi-criteria decision making model is presented based on a feed forward artificial neural network. This model is used to capture and represent the decision makers' preferences. The topology of the neural network model is developed to train the model. The proposed model can use historical data and update the database information for alternatives over time for future decisions. Basically, multi-criteria decision making problems are formulated, and neural network is used to learn the relation among criteria and alternatives and rank the alternatives. We do not use any utility function for the modeling; however, a unique method is proposed for eliciting the information from decision makers. The proposed model is applicable for a wide variety of multi-attribute decision making problems and can be used for future ranking or selection without managers' judgment effort. Simulation of the managers' decisions is demonstrated in detail and the design and implementation of the model are illustrated by a case study.     

基于飞行参数的直升机桨叶载荷评估方法

为了解决传统应变计测量获得直升机桨叶载荷谱存在的周期长、研制成本高、占用空间等问题,提出了采用BP神经网络建立飞行参数与桨叶载荷的关系模型。首先通过相关性分析验证了直升机桨叶载荷与操纵、姿态、过载等飞行参数存在着较强的相关性,其次通过悬停、爬升、转弯等直升机飞行状态下的桨叶载荷实测数据,确定了模型中的参数值,并对模型进行了验证,最后将模型应用于平飞状态下桨叶载荷的评估。结果表明,通过飞行参数来评估桨叶载荷是可行的,评估模型的评估精度高,评估值和实测值的相对误差为6.67%,满足工程评估精度的要求。所提方法不仅可以解决传统方法的不足,还可应用于大机动、大过载试飞科目的桨叶载荷预评估,可有效提高飞行安全水平,具有重要的工程应用价值。     

基于数据挖掘算法的变压器热点温度时序预测方法

为了解决油浸式电力变压器热点温度预测方法缺乏对短期热点温度走势的预测,无法满足动态增容决策要求的问题,以SFPSZ-180000/220型变压器为研究对象,首先,研究对比发现变压器的热点温度与负载率相关性最大,在此基础上,建立了基于支持向量回归的局部地区负荷预测模型,为变压器热点温度预测提供数据;其次,提出了基于数据挖掘算法的变压器热点温度时序预测方法,并在此基础上分别建立了支持向量回归、BP神经网络、决策树3种数据挖掘预测模型;最后,对一般输入-输出的建模方法的预测结果与基于时间延迟方法的预测结果,以及不同时间延迟下3种数据挖掘模型的预测结果进行了对比分析。结果表明,有外在输入的支持向量回归预测模型结果比BP神经网络和决策树吻合度更高,并且时间延时更小,预测结果精确度更高。有外在输入的支持向量回归预测模型在很大程度上提高了变压器热点温度预测精度,其预测结果可为变压器的动态增容决策提供有效参考。     

基于最小二乘支持向量机的标高金预测方法研究

标高金确定的合适与否,直接影响着投标方能否中标和盈利。针对传统神经网络方法存在的缺点,提出了一种基于最小二乘支持向量机的标高金预测方法,并对该方法进行了实证研究。实例研究表明,基于最小二乘支持向量机的标高金预测方法是有效可行的,其在解决小样本数据的非线性问题上有着传统方法无可比拟的优越性。该方法为科学合理地确定标高金提供了一种新的思路,可为投标方的报价决策提供参考。     

混沌神经网络在球磨机故障诊断中的应用

针对神经网络极易陷入局部极小的问题,采用引入动量项和混沌映射的改进BP算法,讨论引入动量项和混沌映射的神经网络综合模型的建模思路及其算法实现;介绍球磨机常见的故障类型,建立球磨机故障诊断的混沌神经网络模型,进行仿真试验,结果表明:该模型具有较高的预测精度,可以有效地运用于球磨机诊断中的故障预测。     

Flagging cartel participants with deep learning based on convolutional neural networks

Adding to the literature on the data-driven detection of bid-rigging cartels, we propose a novel approach based on deep learning (a subfield of artificial intelligence) that flags cartel participants based on their pairwise bidding interactions with other firms. More concisely, we combine a so-called convolutional neural network for image recognition with graphs that in a pairwise manner plot the normalized bids of some reference firm against the normalized bids of any other firms participating in the same tenders as the reference firm. Based on Japanese and Swiss procurement data, we construct such graphs for both collusive and competitive episodes (i.e when a bid-rigging cartel is or is not active) and we use a subset of graphs to train the neural network such that it learns distinguishing collusive from competitive bidding patterns. With the remaining graphs, we test the neural network’s out-of-sample performance in correctly classifying collusive and competitive bidding interactions. We obtain a very decent average accuracy of around 95% or slightly higher when either applying the method within Japanese, Swiss, or mixed data (in which Swiss and Japanese graphs are pooled). When using data from one country for training to test the trained model’s performance in the other country (i.e. transnationally), predictive performance decreases (likely due to institutional differences in procurement procedures across countries), but often remains satisfactorily high. All in all, the generally quite high accuracy of the convolutional neural network despite being trained in a rather small sample of a few 100 graphs points to a large potential of deep learning approaches for flagging and fighting bid-rigging cartels.     

基于WOA-LSTM的窄带通信网网络时延预测算法

为了给窄带通信网的链路选择及协议的智能切换提供实时参考,设计了 一种基于鲸鱼优化算法(WOA)和长短期记忆神经网络(LSTM)的窄带通信网网络时延预测算法.首先对实测数据样本进行标准化处理,以LSTM神经网络算法的均方根误差函数的倒数作为适应度函数;其次采用鲸鱼优化算法对LSTM神经网络的学习率、隐含层神经元个数进行优...     

动态神经网络方法在车内噪声参考信号拾取上的应用

推导了用于实时控制的动态神经网络数值方法,并应用该方法通过测量关键点的振动加速度信号来识别车内噪声信号,该法既避免了传统自适应有源消声中的声反馈问题,又具有实时性。实验研究表明,由于动态网络具有良好的实时跟踪特性,即使在工况发生改变时,网络也可在短时间内迅速完成跟踪。     

基于神经网络的产品突破性创新机遇识别

为了帮助企业在进行技术研发之前识别出最有潜力的技术,提高产品突破性创新的成功概率,提出了一种在模糊前端阶段进行突破性创新机遇识别的定量方法。首先,通过文献研究,确定产品突破性创新的路径特征,并提取产品突破性创新的相关影响因素,通过建立解释结构模型（ISM）提取并构建产品突破性创新机遇识别特征体系。其次,对突破性创新案例和非突破性创新案例进行特征对比,以各特征因素变化趋势为自变量,建立神经网络。最后,对样本数据进行拟合,构建产品突破性创新机遇识别模型。研究结果表明,研究所提模型能够对产品的突破性创新机遇进行有效识别,可应用于产品创新设计过程的模糊前端阶段。研究可为企业在突破性创新项目中更有效地进行机遇识别提供理论指导。