关键词： 大数据   建筑施工   智慧管理   实时监测   预警系统  

摘要： 随着大数据技术的不断成熟以及更新迭代,建筑施工现场管理也随之迎来前所未有的变革。以广东省南雄市红色革命历史陈列馆项目为例,探讨大数据时代建筑施工现场智慧管理的具体措施,涵盖数据采集与处理、实时监测与预警系统、趋势预测与规划优化以及安全生产与质量管理等方面,旨在提高建筑施工的效率和安全性,为类似项目的智慧管理提供参考。

关键词： 关联规则   大数据   水利   可持续   评价  

摘要： 当前水利工程项目可持续性评估方法缺乏对指标间相关性的深入考量,文章提出基于关联规则和大数据的水利工程项目可持续发展评价方法。通过分层方式构建水利工程可持续发展评价指标体系,基于大数据挖掘频繁项集来构建关联规则,结合关联规则分析指标间的相关性,赋予指标权重,通过计算综合评级指数来全面评估水利工程可持续发展水平。实验结果表明,该模型的评估误差小,准确性高,为水利工程项目可持续发展评价提供了有效工具。

关键词： 云计算视角   高职会计专业   课程体系建构  

摘要： 目前,随着云计算技术在各行各业的普及,对高职会计专业毕业生提出了更高的要求。为满足现代社会与企业对会计人才的需要,高职院校会计专业需要在云计算的环境下进行课程结构的改革,逐渐由对传统的会计人才的培养转向以财务会计教育为主,现代信息技术及智能应用技能培养为辅的复合型技能人才的培养。随着大数据云计算技术在高等职业教育中的应用越来越广泛,对高等职业院校会计教育的需求也越来越大。在此基础上,本文对大数据云计算环境下的高职会计专业的教学体系进行了研究。

关键词： 最优子抽样   渐近性质   泊松回归   运行时间   均方误差  

摘要： 为了快速且准确地求解泊松回归估计量,提出建立在最优子抽样算法基础上的泊松回归模型。通过证明子样本估计量的渐近性质,提出了两步最优子抽样算法,并根据A-最优性思想和L-最优性准则设计了两种抽样概率下的抽样方法。性能对比试验显示,本文提出的最优子抽样算法的均方误差显著低于其他方法;运行时间对比显示,L-最优性准则对应抽样概率的抽样方法比A-最优性思想对应抽样算法在估计回归系数上运行时间更少;超大样本和维度下,最优子抽样算法在两种维度中的运行时间平均比杠杆子抽样算法分别减少了61.84%、70.64%。以上结果表明,所提出的最优子抽样算法基础上的泊松回归可有效逼近全部数据下的最大似然估计,在估计回归系数上更具有优越性。

关键词： 大数据税收征管   内部控制质量   企业财务重述  

摘要： 文章选取2009—2022年中国沪深A股上市公司为研究对象,从企业财务报告重述角度出发,探究大数据税收征管对企业财务报告质量的影响,同时讨论内部公司治理与外部大数据税收征管之间的交互作用。结果表明:大数据税收征管能够显著降低企业的财务重述;基于股权制衡下的公司治理,发现大数据税收征管与股权制衡之间是替代作用,即在股权制衡度低时,内部公司治理水平较差时,大数据税收征管对财务重述的抑制作用更显著;基于内部控制下的公司治理,发现大数据税收征管与内部控制质量之间是替代作用,即当内部控制质量较低时,大数据税收征管对财务重述的抑制作用更显著。

关键词： 电力营销   大数据   反窃电检查  

摘要： 为了探讨电力营销大数据在反窃电检查中的应用,以提高窃电行为的识别准确性和工作效率,本文分析了反窃电检查工作的意义,根据本单位在电力营销大数据应用方面的问题提出了具体的优化措施,包括建立统一的数据标准和规范、重视数据质量和隐私保护、建立经验共享机制和人员培训计划等。研究表明,电力公司在反窃电工作中应用大数据是一种创新而有效的手段,此研究可以为其他电力公司提供借鉴和推广经验,促进电力行业对于大数据在窃电治理中的全面应用。

关键词： GRU-LSTM模型   云计算   资源负载   预测方法  

摘要： 为解决传统负载预测模型存在的精确度差、预测效率低等问题,提高负载预测的高效性和精确性,本文运用门控循环单元(Gated Recurrent Unit,GRU)和长短期记忆(Long-Short Term Memory,LSTM)网络,设计了一种基于GRU-LSTM组合预测模型的云计算资源负载预测方法。首先,分析了云计算资源负载时间系列预测问题。其次,根据GRU、LSTM相关概念,完成了对基于GRU-LSTM的组合预测方法设计。最后,确定数据来源与处理,介绍了模型评价指标,并采用实验分析的方式验证了本文所提出的负载预测方法的有效性和可靠性。结果表明:本文所提出的负载预测方法具有均方误差低、预测时间短等优势,符合实际应用需求,可为后期类似预测方法的进一步优化提供有效依据和有益参考。

关键词： 云计算   消息中间件   弹性伸缩   图像处理  

摘要： 针对传统系统在处理海量图像数据时,常面临并发处理能力有限和扩展性差的问题。本文提出了一种基于消息中间件和云函数的高性能弹性伸缩处理系统架构,以解决这些挑战。该架构利用消息队列实现任务的异步解耦和队列缓冲,以提高系统并发能力。同时,借助云函数的弹性计算特性,实现图像处理服务的按需伸缩,从而确保高效处理能力,降低成本,并提升资源使用效率。实验结果表明,该架构可显著提升处理性能,并实现弹性扩展,为大规模图像数据的实时处理提供了重要价值。

关键词： 财务管理   大数据   动态预算   智能决策   敏捷性   战略融合   实时化   传统模式  

摘要： 在大数据迅猛发展的背景下,企业的财务管理模式正经历前所未有的变革。《大数据财务管理》一书深入探讨了大数据如何推动财务管理从传统模式向智能化、实时化、战略化方向发展。该书围绕大数据带来的机遇和挑战,系统阐述了企业如何通过智能决策、战略融合、动态预算及风险管理创新,提升财务管理的敏捷性与科学性。