2022年造价员市政工程考试模拟试题卷及答案

题库来源:优题宝公众号

2022年造价员市政工程考试模拟试题卷及答案,由优题宝公众号根据最新造价员市政工程考试大纲与历年造价员市政工程考试真题汇总编写,包含造价员市政工程考试常考重点题型与知识点,有助于考生复习备考造价员市政工程考试,取得好成绩。

 

 

1、给排水构筑物防水层计算规则为( ):

A.各种防水层按实铺面积,以“100㎡”计算,不扣除0.2㎡以内孔洞所占面积。

B.各种防水层按实铺面积,以“100㎡”计算,不扣除0.3㎡以内孔洞所占面积。

C.平面与立面交接处的防水层,其上卷高度超过300mm 时,按立面防水层计算。

D.平面与立面交接处的防水层,其上卷高度超过500mm 时,按平面和立面防水层之和计算。

2、不能套用铸铁管件安装定额的是( )。

A.法兰伸缩节

B.球墨渐缩管

C.铸铁三通

D.铸铁套管

3、沥青混凝土路面工程量按实铺面积计算,不扣除( )所占面积。

A.侧石

B.雨水井

C.绿化带

D.平石

4、下列有关抹面砂浆、防水砂浆的叙述,哪一条不正确?( )

A.抹面砂浆一般分为两层或三层进行施工,各层要求不同。在容易碰撞或潮湿的地方,应采用水泥砂浆

B.外墙面的装饰砂浆常用工艺做法有拉毛、水刷石、水磨石、干粘石、斩假石(即剁假石)、假面砖等,还可采取喷涂、弹涂、辊压等工艺方法

C.水磨石一般用普通水泥、白色或彩色水泥拌合各种色彩的花岗石石渣做面层

D.防水砂浆可用普通水泥砂浆制作,也可在水泥砂浆中掺入防水剂(氯化物金属盐类及金属皂类防水剂等)来提高砂浆的抗渗能力

5、热力管道异径管弯头安装,按不同的管道( )×管壁厚度套定额。

A.大头内径

B.大头外径

C.小头内径

D.小头外径

6、土方中的坚土是指()。

A.一类土

B.二类土

C.三类土

D.四类土

【答案】

1~6:BABCBC

以上是造价员市政工程考试模拟试题卷及答案,小编与优题宝会持续更新造价员市政工程考试真题模拟题以及答案解析,考生们如有需要,千万不要错过。也希望各位考生能在造价员市政工程考试中取得好的成绩。

 

 

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值