基于GIS和BP神经网络的洪灾损失评估模型的研究

本文在分析已有洪灾损失评估模型的基础上,构建了一种基于GIS和BP神经网络的洪灾损失评估模型,包括选取洪水致灾、地形条件、防洪能力、社会经济等因子;然后以鄱阳湖区为例进行了洪灾损失评估系统应用。结果表明建立的基于GIS和BP神经网络的洪灾损失评估模型具有较好的可行性和实用性。     

一种改进的高铁桥沉降变形预报方法研究

鉴于传统BP神经网络在高铁桥沉降变形预报中随机性强、收敛速度慢、易陷入局部极值等缺点,本文引入了顾及邻域粒子群影响的改进粒子群算法(IPSO)优化BP神经网络,建立IPSO_BP的高铁桥台沉降变形预报模型,组合模型的预报结果与高铁沉降变形评估方法—Asaoka进行比较,结果表明:基于改进的粒子群优化BP神经网络模型较高铁桥传统BP预报模型收敛速度更快,预报精度更高;预报评估结果与Asaoka方法预报的结果相符,证明了IPSO_BP模型的可靠性和实用性。     

住建部、国家文物局通知 评估检查文化名城和名镇名村

<正>为进一步做好国家历史文化名城(以下简称名城)和中国历史文化名镇名村(以下简称名镇名村)保护工作,住房城乡建设部、国家文物局决定开展名城和名镇名村保护工作评估检查,并于日前下发了《关于开展国家历史文化名城和中国历史文化名镇名村保护工作评估检查》的通知。本次评估检查范围涵盖132座国家历史文化名城、252个中国历史文化名镇和276个中国历史文化名村。按照《历史文化名城名镇名村保护条例》和《历史文化街区     

基于BP神经网络的SWMM参数全局灵敏度分析方法

为了准确高效地分析SWMM模型参数的灵敏度,识别模型关键校准参数,提出了基于BP神经网络的参数全局灵敏度分析方法。以汇水区面积、宽度、不透水率等12个参数作为模型输入,以Nash-Sutcliffe效率系数(NSE)代表模型输出,设计了3套验证方案及其比较参考准则,对BP神经网络法与修正Morris法、线性回归法、LH-OAT法、多项式回归法等灵敏度分析方法进行了比较分析。结果表明,应用BP神经网络的连接权值作为全局灵敏度分析依据时,BP神经网络法的灵敏度分析精度优于线性回归法、LH-OAT法和多项式回归法。因此,BP神经网络法是SWMM模型参数全局灵敏度分析的一种可行方法。SWMM模型参数灵敏度分析精度与分析模型的非线性拟合程度存在密切关系,优良的非线性拟合能力是BP神经网络方法优于其他灵敏度分析方法的重要原因。通过比较不同灵敏度分析方法的效果,提出了以Morris扰动灵敏度分析结果作为真值基准、以SWMM模型几何参数作为灵敏度指示参数、以线性回归法和拟合优度作为比较基准等方法,可为灵敏度分析方法效果评价提供借鉴。基于BP神经网络的SWMM模型参数灵敏度分析方法为解决复杂模型参数"参数灵敏度分析-参数寻优"多重循环校准开拓了新路径。     

基于PSO-BP算法对古建筑消防安全评价

基于影响古建筑火灾发生的原因,建立了比较合理的消防安全评价指标体系,并构建了以粒子群(PSO)算法优化BP神经网络的评价模型。通过样本的建立,确定了BP神经网络的网络结构,运用粒子群算法去优化BP网络的初始权值和阈值,再把优化之后的权值和阈值赋给BP神经网络,对其进行训练直到误差满足既定要求。为了验证该评估模型的有效性,最后将训练的粒子群优化的BP神经网络模型应用到奉国寺大雄殿的消防安全评价中。结果表明,此模型收敛更快、适应性更强、精度更高。在古建筑消防安全评价中具有较好的应用价值,实现了古建筑消防安全评价的定量分析。     

“非典型名城”历史建筑价值评估与适应性保护研究

非典型名城指那些没有列入"历史文化名城"名录的历史文化城市,这类城市面广量大,历史文化脉络源远流长,但往往在研究中被忽视。由于缺少体系化的保护,随着城镇化的不断推进,非典型名城中的历史建筑不断被挤压、侵占、吞噬。以合肥市为研究对象,在开展中心城区历史建筑普查工作的基础上,构建合肥市历史建筑价值综合评价体系,提出合肥"非典型名城"特征下历史建筑适应性保护的模式,并从顶层政策、城市环境、文化轴线、历史空间、建筑单体五个方面提出适应性保护的路径与策略,以期为其他非典型名城的历史建筑及历史文化空间保护提供借鉴。     

基于改进BP神经网络的公共市政工程质量评估模型

基于改进BP神经网络提出一种公共市政工程质量评估模型,并对构建过程展开研究,顺利完成了模型研究操作。实验结果表明,其评估参数准确度高,评估准确率相较于传统模型研究的评估准确率高15%。     

基于BP神经网络的专利技术分成率计算研究与应用

针对当前专利技术分成率评估方法出现的问题,引入BP神经网络方法来计算专利技术分成率。第一步是建立指标体系。第二步是训练样本的选取以及数据标准化处理。第三步是完成模型误差调优。最后,通过实例验证了使用BP神经网络方法评估专利技术分成率是可行的。     

BP神经网络对商业地产立项阶段投资风险评估

为了更好的对商业地产项目立项阶段的投资风险进行评估,应用BP神经网络构建了风险评估模型,通过MATLAB神经网络工具箱训练和检验该模型,最后通过实际应用,结果比较准确。     

北京传统四合院、胡同历史文化价值的发掘与保护

新修订的<北京城市总体规划(2004-2010年>提出的首都城市发展的空间布局调整和历史名城整体保护的总体构思,已得到社会的普遍关注.新总规中提出的"市域战略转移"和"旧城的保护与复兴"及"保护北京特有的‘胡同-四合院'传统的建筑形态"等规划思路,是当前形势下推动首都城市发展与深入开展北京历史名城保护工作的新认识,对今后历史名城整体保护工作的实施,以及切实做好北京传统四合院、胡同的保护具有特殊重要的意义.     

名城保护与文化建设中公众作用及其参与机制分析

历史文化名城保护不仅包含城市文化遗产及建筑风貌的规划保护,还包含凝聚价值共识和传承、传播、创新名城文化的过程,虽以文化遗产保护为基础,但所涉事务广泛涵盖文化建设与治理的其他各方面,极大拓展了公众发挥作用的内容和方式。当前我国公众在名城保护中承担着专业咨询者、"乡愁"守护者、社区更新行动者和名城文化传播者等角色,其参与能力与国家和社会的政策环境及自身的资源整合协调能力密切相关。结构化的资源聚集,是突破公众参与局限性、解决参与无序性、提升参与效率和效果的有效途径。搭建一个统一的名城保护公众参与平台,并在此基础上探索形成一个以人为本、由政府、市场主体和公众各方共同参与的历史文化名城综合保护平台,对于促进名城保护和可持续发展具有重要意义。     

抚州市南丰县历史文化名城保护与发展价值研究

南丰县有着悠久的历史、丰富的文物遗存、格局清晰的古城,以及璀璨的文化,于2018年被列为江西省级历史文化名城。文章从南丰历史文化名城的区位及历史沿革特征出发,提炼南丰在名城保护中具备的选址格局特色,并总结出南丰的古城价值、非遗价值及历史要素价值特征,为南丰名城保护和历史文化展示利用提供价值支撑。同时,以名城历史文化价值保护和提炼为基础内涵,以更好地指导南丰县接下来的名城保护和城市双修的工作的展开。     

名城保护和谐发展——以临海市紫阳街历史地段保护为例

该文以临海市紫阳街历史地段保护为例,探讨了名城保护中政府主导、市民主体、全社会参与的名城保护机制.     

BP神经网络和RBF神经网络在墩柱抗震性能评估中的比较研究

通过仿真实例,对BP神经网络和RBF神经网络在墩柱抗震性能评估中的应用进行了比较研究.训练和仿真结果表明,BP神经网络和RBF神经网络均能很好地对墩柱的延性进行抗震性能评估,并且,在相同精度要求下,RBF神经网络比BP神经网络的训练速度更快,效率更高,充分体现了RBF神经网络的优越性.同时也总结了BP神经网络和RBF神经网络所存在的不足.实际应用中,可以以此结论为指导来设计神经网络.     

基于小生境等维BP神经网络的沉降预报

针对传统BP神经网络全局优化能力低、无法学习的缺陷,引入遗传算法中的小生境技术,研究了基于小生境等维BP神经网络模型,同时利用MATLAB进行编程实现。该模型的核心思想是借助小生境遗传算法优化神经网络的连接权和阈值,进而提高了等维BP神经网络模型的全局优化能力,改善了模型的收敛性。结合宁波某大楼沉降监测实例,利用小生境等维BP神经网络、GM(1,1)模型、等维BP神经网络模型分别对沉降数据建模预测,结果表明,小生境等维BP神经网络模型更加符合实际情况、预测效果更佳。     

BP神经网络法在某输气站沉降预测中的应用

介绍了几种常用的沉降预测方法,通过详细系统的试算,建立了适用于沉降预测的BP神经网络模型,并以"川气东送"管道工程某输气站的沉降监测为研究对象,将BP神经网络法与传统的曲线法进行对比分析,论述了各种方法的优劣,明确了BP神经网络法用于沉降预测的可行性。     

论历史文化名城保护工作十要点

历史文化名城作为传统文化的重要空间载体,其保护工作需要怎样认识和定位,如何开展名城保护工作,以及如何评价保护工作的成效,这是历史文化名城保护实践中普遍存在的困惑。本文希望以北京为例,结合其他历史文化名城经验,提出名城保护管理工作的综合制度框架1。     

历史文化街区中古建的保护与发展初探

从提出对历史文化名城中古建保护的方式入手,分析了名城历史街区中的古建在历史和现实中的重要作用和保护古建整体完整的必要性。以历史文化名城襄樊樊城区的会馆文化区规划保护工作为例,提出了若干名城古建保护策略和对古建进行功能更新的具体措施与方法。     

基于GA改进BP神经网络的建设工程投标报价研究

在建设工程项目投标报价过程中,如何来确定标高金直接关系到承包商能否中标和盈利以及施工企业今后的生存与发展。提出基于遗传算法(GA)优化BP神经网络的标高金预测方法。在分析BP神经网络基本原理的基础上,主要阐述了如何应用遗传算法来改进BP神经网络收敛速度慢和易于陷入极小值等缺点。对BP神经网络模型隐含层节点数进行优选后,建立起GA改进BP神经网络的标高金预测模型;最后应用该模型和一般BP神经网络模型对20个典型国际工程实例的标高金进行计算和预测。计算结果对比发现,经遗传算法改进后的BP神经网络模型在降低计算和预测平均误差的同时,迭代次数比一般BP神经网络模型也大大减少了。因此,该模型适用于求解如建设工程投标报价等非线性问题。     

基于BP神经网络的滑坡地质灾害预测方法

为了解决滑坡地质灾害传统预测方法中出现的综合性、实用性不强等问题,本文研究用基于优化参数设置的BP神经网络模型来预测滑坡地质灾害。该方法基于BP神经网络,顾及与滑坡地质灾害产生紧密相关的地质条件和环境因素,对BP神经网络的输入层、隐含层、输出层的参数进行优化;再由历史的经验数据通过训练、泛化建立基于BP神经网络的地质灾害预测模型;最后,按照0和1的组合结果对滑坡地质灾害进行预测。本文利用该模型对汶川地震诱发的滑坡地质灾害进行分析预测,结果表明:该模型的预测结果与实际结果吻合度达到86%~90%,预测精度较高,验证了基于改进的BP神经网络预测滑坡地质灾害的方法是实际可行的。