资源描述
泓域/LED显示控制系统项目工程咨询方案
LED显示控制系统项目
工程咨询方案
目录
一、 调查方法 2
二、 模拟预测方法 4
三、 环境承载力影响因素识别及评价指标 5
四、 资源环境承载力评价综合指标体系 6
五、 大数据系统和数据挖掘技术 8
六、 网络信息搜索和提取方法 13
七、 现代工程咨询方法的特点 15
八、 现代工程咨询方法框架 18
九、 项目概况 19
十、 公司简介 22
公司合并资产负债表主要数据 23
公司合并利润表主要数据 23
十一、 产业环境分析 24
十二、 视频图像显示控制行业壁垒 26
十三、 必要性分析 28
十四、 经济效益分析 28
营业收入、税金及附加和增值税估算表 29
综合总成本费用估算表 30
利润及利润分配表 32
项目投资现金流量表 34
借款还本付息计划表 36
十五、 投资方案分析 37
建设投资估算表 39
建设期利息估算表 40
流动资金估算表 42
总投资及构成一览表 43
项目投资计划与资金筹措一览表 44
十六、 项目进度计划 45
项目实施进度计划一览表 45
一、 调查方法
规划咨询与决策过程是建立在相关信息基础上的,规划咨询的调查工作就是收集与规划对象相关的信息,一般可分为环境(包括自然生态环境和人文环境)、经济和社会三个基本领域,各个领域的信息均具有时间(不同阶段)和空间(不同地域)的属性。规划咨询过程中不同阶段对各个领域的信息要求是不同的。
规划咨询的调查方法是对研究对象过去和现在的相关信息、数据进行收集、整理、分析的方法,与规划类型、调查目的和调查对象有关,大致可分为文献方法、访谈方法、实地调查方法和问卷调查方法四种类型,各种调查方法都有适用性和局限性,在实际规划咨询工作中,一般采用多种方法相结合的方式进行。
(一)文献方法
规划咨询中的大量调查多采用文献方法。与规划咨询相关的主要文献来源包括统计资料(如国家和地方的经济、社会和环境等方面的统计年鉴)、普查资料(如人口普查、经济普查、产业普查等)、文件资料(如政府的有关文件、上位层面或前一阶段的规划文件)、档案资料(如地方志和专项志)以及各种相关的出版物。
(二)访谈方法
访谈方法是规划咨询中广泛采用的调查方法,用于了解相关利益者的态度、愿望和发展诉求,收集各方的意见和建议。访谈的形式多种多样,既可以面对面的直接访谈,也可以通过电话、网络等方式访谈;既可以是一对一的单独访谈,也可以通过座谈会等形式进行集体访谈(如针对规划议题的座谈会、公众评议会、听证会等)。
(三)实地调查方法
实地调查也是规划咨询中经常采用的调查方法,通过实地调查,可以明了情况,弄清问题,为规划咨询提供第一手资料。如通过对园区土地利用状况的现场踏勘,可以科学合理的规划园区的产业空间布局。
(四)问卷方法
问卷方式可以了解政府相关部门、企业、社会团体、市民等规划相关利益方发放,可以了解相关方对于规划政策和规划方案的选择意愿、效果评价和改善建议,同时,通过对调查问卷的统计分析,也可以收集到从文献资料中无法获得的有价值信息,如居民对于交通设施或其他公共设施的需求。随着信息化的深人,网络问卷方法为新时期规划咨询提供了一种更加快捷有效的方法。
二、 模拟预测方法
规划就是对未来的发展进行合理的安排,模拟预测方法是在搜集了有关量化指标或对有关指标量化后,根据事物的特征及其运动规律加以模拟,建立预测模型,并对模型进行检验合格后,运用模型对区域事物进行预测分析的一种方法。随着计算机技术的发展,模拟预测方法在规划咨询中得到广泛应用,这不仅提高了规划指标的精度,而且为模拟对象的动态发展过程提供了可能。规划咨询中常用的模拟预测方法有系统分析法、层次分析法、专家系统法等基本方法。
(一)系统分析法
从系统论的观点出发,应用科学方法和电子计算机等工具,对区域系统现状进行科学完整的认识分析,并在收集处理数据资料的基础上,建立若干替代方案和必要的模型,进行模拟运算和动态仿真,最后将结果整理评价后,提供给决策者作为决策依据,提高规划的可行性及实用价值。
(二)专家系统法
专家系统法借助由专家归纳并具有相当权威性的专家知识,对市场经济条件下发生的不可预测事件和不确定因素,以及它们导致的意外情况和可能后果,做出判断、推理和论证,以供规划决策参考。由于它能推知多种随机事件对某一目标影响的概率、灵敏度、后果及影响程度,而这些问题用常规的数学模型又无法解决,所以理应成为规划的有效方法,加之整个系统过程参与了专家对话和科学民主的决策,因此规划的可行性和实用价值亦大大提高。波特钻石模型、德尔菲法等是专家系统法诊断中的常用方法。
三、 环境承载力影响因素识别及评价指标
(—)水环境承载力
水环境承载力是在一定经济社会和科学技术发展水平条件下,以生态、环境健康发展和社会经济可持续发展协调为前提,区域水环境系统能够支撑社会经济可持续发展的合理规模。主要影响因素包括水功能区划、海洋功能区划、近岸海域环境功能区划、保护目标及各功能区水质达标情况,主要水污染因子和特征污染因子、水环境控制单元主要污染物排放现状及允许排放量、环境质量改善目标要求,地表水控制断面位置及达标情况,主要水污染源分布和污染贡献率(包括工业、农业和生活污染源)等。主要评价指标包括万元工业增加值废水排放量、工业废水达标排放率、污径比、主要水污染物排放强度等。
(二)大气环境承载力
大气环境承载力是在某一时期、某一区域,环境对人类活动所排放大气污染物的最大可能负荷的支撑阈值。主要影响因素包括大气环境功能区划、保护目标及各功能区环境空气质量达标情况,主要大气污染因子和特征污染因子、大气环境控制单元主要污染物排放现状及允许排放量、环境质量改善目标要求,主要大气污染源分布和污染贡献率(包括工业、农业和生活污染源)等。主要评价指标包括空气优良率和主要大气污染物排放强度等。
(三)土壤环境承载力
土壤环境承载力是在维持土壤环境系统功能结构不发生变化的前提下,其所能承受的人类作用在规模、强度和速度上的限值。主要影响因素包括土壤主要理化特征,主要土壤污染因子和特征污染因子,土壤环境质量达标情况,土壤污染风险防控区及防控目标等。主要评价指标包括土壤环境质量达标率等。
四、 资源环境承载力评价综合指标体系
资源环境承载力评价是区域上各种因素对承载能力的综合体现,因而必然表现为各单一方面的资源、环境承载力作用效果的科学叠加,反映区域内资源环境承载力的总体状况。因此,资源环境承载力在综合评价指标是由上述的资源承载力、环境承载力和生态承载力等指标体系,根据评价对象功能要求和资源环境特征,选择相关指标构成的指标体系。该指标体系能够全面满足评价对象的资源环境承载力评价要求。
在构建综合评价指标体系的时候,要注意几个原则:
一是要注重科学性和可对比性相统一的原则。资源环境承载力评价要严格按照资源环境的科学内涵,能够对资源环境的数量和质量作出合理的描述。同时评价方法要注重与国内外和区域间的可对比性,具有纵向、横向比较和可推广与应用。
二是要注重描述性指标与评价性指标相统一原则。描述性指标即资源和环境两大系统的发展状态指标;评价性指标即评价各系统相互联系与协调程度的指标。二者的统一,将在时间上反映发展的速度和趋向,在空间上反映其整体布局和结构,在数量上反映其规模,在层次上反映功能和水平。
三是要注重最大限制性和可操作性相结合原则。资源环境承载力是多种因素综合作用的结果,指标体系作为一个有机整体,不可能把所有的因素都——列出,客观上对资源环境承载力所有因素全部用指标描述出来也是不可能的。所以,指标体系要反映影响资源环境承载力主导因素的全貌,用对资源环境承载力产生最大限制性的主导因素的指标体系来描述和评价资源环境承载力,才能把握资源环境承载力最本质的、最基本的特征。同时,要达到指标体系的实用性和可操作性,避免以往在研究制定指标体系要么指标体系过于庞杂、无法操作,要么把握不了主要的因素,对资源环境承载力最本质的、最基本的特征缺乏全面反映、表征、度量。因此,研究和制定指标体系要注重最大限制性和可操作性相结合,根据水桶原理发挥决定性作用的指标有限,在选取最大限制性主导因素的前提下,尽量使指标少而精,资料易取得,方法易掌握,而不必面面俱到,使最大限制性和可操作性相互统一,这样才能够有利于研究顺利进行。
五、 大数据系统和数据挖掘技术
(一)数据挖掘概述
1.大数据
大数据是指超过既往数据库系统规模、传输速度和处理能力,或者既往数据库系统结构无法容纳的数据。大数据常以万亿或EB衡量,且种类多、实时性强,蕴藏的商业价值大。很多现有的新或旧的信息基础设施、工具和技术可用来开发和利用大数据中蕴藏的价值。
大数据有各种各样的来源:传感器、气候信息、公开的信息、如杂志、报纸、文章、买卖记录、网络日志、病历、事监控、视频和图像档案,及大型电子商务。
大数据是数据挖掘产生与生存发展的土壤。如今数据每五年翻一番,面对前所未有的海量数据,为了从中发现有用的信息必须进行数据挖掘。此外,计算机存储、处理大量数据,以及运算的能力大为增强,为数据挖掘创造了条件,使其成为一门独特的学科和技术。
2.数据挖掘与数据分析的区别
数据挖掘与数据分析的主要区别在于:
(1)处理工作量。数据分析的数据量可能并不大,而数据挖掘的数据量极大。
(2)制约条件。数据分析是从某些假设出发,建立方程或模型,而数据挖掘不作假设,可以自动建立方程。
(3)处理对象。数据分析往往是针对数字型数据,而数据挖掘对象类型繁多,例如图像、声音、文本等。
(4)处理结果。数据分析可以解释结果的含义;数据挖掘的结果不易解释,着眼于预测未来,并提出决策建议。
想要从数据中发现规律(即认知),往往需将数据分析和数据挖掘结合起来。
(二)数据挖掘步骤
按挖掘对象,数据挖掘分为数据库与数据仓库挖掘和网络挖掘两种,各自步骤分述如下。
1.数据库与数据仓库挖掘
数据挖掘一般有信息收集、数据集成、数据规约、数据清理、数据变换、数据挖掘、模式评估和知识表示8个步骤。
(1)信息收集。从确定的挖掘对象中提取特征,然后选择合适的收集方法,将收集到的信息存入数据库。对于海量数据,必须选择合适的数据仓库。
(2)数据集成。把来源、格式、特点、性质不同的数据按逻辑或物理属性加以编排,以便以后使用。
(3)数据规约。多数数据挖掘算法耗时很长,商业数据往往较多,数据挖掘更耗时间。数据规约就是简化已有可用数据集的表示,规约后数量大减,但仍能保持原数据的完整性,对规约数据的挖掘结果,与对规约前数据的挖掘结果相同或几乎相同。
(4)数据清理。有些数据不完整(属性缺少属性值)、含噪声(属性值错误),不一致(同一信息有多种表示),需要清理,使其完整、正确、一致后存入数据仓库。
(5)数据变换。将数据变换成适合数据挖掘的形式。实数型数据,可将其分层和离散化。
(6)数据挖掘。根据数据格式、属性与特点,选择合适的处理工具,例如统计方法、事例推理、决策树、规则推理、模糊集,甚至神经网络,取得有用的信息。
(7)模式评估。由行业专家核实数据挖掘结果是否合理、是否可用。
(8)知识表示。将数据挖掘得到的信息以可视方式交给用户,或作为新的知识存人知识库,供其他应用程序使用。
并非所有的数据挖掘都要走上述的每一步。若只有一个数据源,则可以省略数据集成。
数据规约、数据清理、数据变换合称数据预处理。数据挖掘至少60%的费用要花在信息收集阶段,而至少60%以上的精力和时间要花在数据预处理上。
数据挖掘是一个反复多次的过程,若一次未满足要求或未得到有用结果,则需回到前面,经过调整后重新开始。
2,网络挖掘
网络挖掘可分为网络用户行为挖掘与网络信息挖掘。前者基本不在工程咨询人员关心之列。后者可理解为“从WWW中发现和分析有用的信息”。
网络信息挖掘是在已知数据样本的基础上
展开阅读全文
温馨提示:
金锄头文库所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
相关搜索