基于BIM技术的建筑施工进度优化研究

随着当下我国建筑产业良好发展,建筑施工规模显著增加,内部结构设计日渐复杂,传统进度管理中计划与实际相脱节、项目信息失真、协调性不佳等,难以吻合当下施工进度优化实际需求。通过BIM技术的引入,补充当下进度管理存在的不足,其积极提供施工模拟、碰撞检查等支持,提高管理水平,促使施工进度优化更具规范化、标准化。     

优化GD-模糊规则的滑坡预报模型研究

为了提高滑坡灾害预报准确率，改善传统的滑坡监测和预报中存在的参数选取困难及模糊控制系统作为预报模型精确度不高的问题，首先采用山体结构稳定性分析法进行滑坡灾害参数的选取，得出降雨量、含水率、土压力及岩土表面位移增量作为预报参数的结论；其次将选取的参数作为模糊系统的输入，建立滑坡灾害发生概率模型，并引入优化的GD算法修正预报模型中的动态参数，使模糊控制模型具有自适应性；同时与未优化的模糊控制模型以及单独模糊控制模型进行仿真对比，仿真结果表明，该控制算法收敛速度快，具有很好的收敛性；最后将该模型在某滑坡重点灾区实验区进行实验测试，实验结果显示该模型具有较好的收敛性，且预报精度达到90%。     

基于孪生支持向量回归机的转炉炼钢终点预测

为了提高转炉炼钢的终点命中率，建立了一种新的转炉终点预测模型，实现了对转炉终点碳质量分数和温度的准确预测。模型采用K最近邻孪生支持向量机(KNNWTSVR)算法，将权重矩阵引入到目标函数中，并利用鲸群优化算法进行求解，提高了传统算法的性能；然后基于某炼钢厂260 t转炉的实际生产数据，建立了转炉炼钢终点预测模型。结果表明，预测模型的终点碳质量分数(误差±0.005%)和温度(误差±15 ℃)的终点单命中率分别为94%和88%，双命中率达到84%。与其他两种现有的建模方法相比，本模型取得了最优的预测效果。该方法满足转炉炼钢实际生产的需求，也可适用于钢铁冶金其他领域的数学建模。     

粒子流粒子滤波检测前跟踪方法

检测前跟踪通过在连续多帧观测中对目标信号进行非相参积累以检测和跟踪微弱目标。积累的关键在于对目标轨迹的准确估计和多帧迭代滤波。传统粒子滤波器过于依赖建议分布，对目标轨迹的估计不够准确。新提出的粒子流滤波器是一种很好的替代方法，但其过于依赖当前时刻的量测而弱化多帧迭代滤波。本文提出一种在粒子滤波框架下采用粒子流的检测前跟踪方法:采用粒子滤波器进行多帧迭代滤波，但在每一帧内，采用Localized Exact Daum-Huang粒子流进行滤波。为了应对目标量测的不确定性，本文改造了Localized Exact Daum-Huang滤波器，为每个粒子在其邻域内寻找最大似然量测，并利用该量测更新粒子状态。Rayleigh分布杂波下Swerling1型起伏目标的检测和跟踪实验证明了所提算法的性能。