BIM技术在建筑设计及施工过程中的应用

在当今建筑行业中,BIM技术早已被广泛应用,并且还发挥着重要作用,BIM技术可以为建筑人员提供很大的便利。文章通过方案设计、施工管理等来分析BIM技术,简述BIM技术在我国建筑行业的应用现状,探究其可以发挥的作用,希望可以提高我国现今建筑领域的整体水平,为相关工作的展开提供参考。     

一种架空蒸汽管滑动支座保温结构的优化方案

以山西某市工业园区架空蒸汽管网工程为例,提出了一种架空蒸汽管滑动支座的保温新结构,计算了普通滑动支座和新保温结构滑动支座的散热损失,并结合前期施工成本和后期运行费用,对普通滑动支座和新保温结构滑动支座进行了技术经济分析。结果表明,新保温结构滑动支座在施工阶段成本费用较高;但在运行期间可有效减少由于滑动支座弧形板处热损失所导致的蒸汽损耗的运行费用。因此采用新保温结构滑动支座实现了运行阶段的稳定、安全、节能、节省费用等。     

消防监督检查业务中物联网技术的应用探讨

我国积极应用物联网技术,充分发挥物联网技术的优势,建立智能化物联网管理平台,运用智能技术进行消防检查工作.应用物联网技术,使传统的消防监督检查工作方式发生变化,包括消防监督工作方式、应急救援方式以及灭火扑救方式等.     

浅谈上海地区超深地下连续墙铣接法施工监理质量控制

随着上海地区对深层地下空间的持续开发,超深基坑不断涌现,基坑安全也面临深层承压水层的严峻考验。围护结构施工质量的好坏直接关系到整个基坑工程的安全。从监理角度出发,探讨上海地区超深地下连续墙铣接法施工质量控制的若干问题,就超深地下连续墙施工各阶段的注意点提出了一些观点,以期对相关工作者有所帮助。     

基于互联网的基础课程线上线下教学实践

阐述课程教学中的线上线下混合教学模式，存在的问题，应对的措施，通过对现有网络资源的充分利用，将前沿理论知识以及行业热点融入线上课程教学中，从而促进对于课程的主动学习。     

基于情境感知工具辅助碎片化学习行为的研究

碎片化学习难以集中记录,存在无法迅速定位到自己需要的学习内容等用户体验问题.传统方法不能采集真实情境下的用户数据,无法满足研究人员的研究需求.基于此,开发一种基于用户行为的捕捉工具——CAUX(Context-Aware User Experience,CAUX),设计了具有情境感知能力的数据采集模块,自动捕捉指定App内的用户行为数据.CAUX对用户干扰性低,可以辅助研究人员捕捉典型的碎片化学习行为.对利用CAUX采集到的数据进行处理,并结合人工方法进行分析,可以发现不同情境下的用户行为和用户体验问题.     

结合结构学习的多头密集连接图池化模型

目的:利用图神经网络，构建带有结构学习的多头密集连接图池化模型并用于图分类任务。方法:首先，用图卷积神经网络提取节点的初始特征。其次，用多头密集连接网络学习节点重要性得分，并根据得分进行节点采样得到池化图。之后，对池化图中的节点进行结构学习，以保证图结构的完整性。最后，将学到的图表示放到分类器中，完成图分类任务。结果:与其他图分类模型在七个广泛使用的数据集上进行实验对比，我们构建的模型在五个数据集上的分类结果达到最优。结论:结合结构学习的多头密集连接图池化模型在图分类任务中具有先进性。     

检测原始记录质量提升的探究

检测原始记录属于实验室技术记录范畴,通常是以规范化的表格形式对检测过程中的样品状态、设施条件、检测数据等信息的记载。检测原始记录的内容是否真实、准确、规范和完整,直接影响检验工作的可追溯性和质量体系运行的有效性。作为检测机构技术人员,最应弄明白的就是原始记录。平时尽管记录常在手边,但在内审和外审过程中依然发现诸多问题,因此,如何提升检测原始记录质量值得探究。     

基于阶段注意力机制的电力线提取算法

电力系统维护是电力系统稳定运行的重要保障，应用智能算法的无人机电力巡检则为电力系统维护提供便捷。电力线提取是自主电力巡检以及保障飞行器低空飞行安全的关键技术，结合深度学习理论进行电力线提取是电力巡检的重要突破点。本文将深度学习方法用于电力线提取任务，结合电力线图像特点嵌入改进的图像输入策略和注意力模块，提出一种基于阶段注意力机制的电力线提取模型（SA-Unet）。本文提出的SA-Unet模型编码阶段采用阶段输入融合策略（Stage input fusion strategy， SIFS），充分利用图像的多尺度信息减少空间位置信息丢失。解码阶段通过嵌入阶段注意力模块（Stage attention module，SAM）聚焦电力线特征，从大量信息中快速筛选出高价值信息。实验结果表明，该方法在复杂背景的多场景中具有良好的性能。     

基于大数据深度学习的输电塔结构抗风易损性评估

为了有效预测输电网系统在强风作用下的响应，并开展高效精准的性能评估，文章提出了基于深度学习模型的风致易损性评估框架。以某具备健康监测系统的输电塔结构为例，首先对监测数据进行清洗和重构，通过大数据深度学习建立荷载输入和响应输出的等效映射模型，然后通过数值模拟生成灾害强度均匀的风场数据并由深度学习模型预测输电塔关键杆件响应，计算不同性能水准的易损性曲线。研究结果表明，经训练的深度学习模型可以涵盖实际工程中存在的各类不确定性因素，有效映射复杂风环境下输电塔结构的动力响应。提出的框架方法可以避免单纯通过数值模型制备大量动态响应数据，更高效地进行输电网系统风致易损性评估。