“双碳”实战期,恒通AI科创大厦的绿色实践

在国家“双碳”战略目标的时代背景下,恒通建设集团有限公司(以下简称“恒通集团”)积极发挥深耕绿色建筑领域多年的先行优势,主动担当,迅速进入企业“双碳”发展的实战期。早在2005年,恒通集团就开始投资建设绿色科技住宅,当时的出发点在于环境好、居住舒适度高及产品竞争差异化。随着社会的发展,人们对建筑的观念在不断更新,对居住的改善性需求旺盛,打造科技住宅的定位是大势所趋,得到更多消费者与社会的认可。在这条道路上持续探索,如今已形成了业态多元、产业多样的绿色建筑生态产业链。     

梁端负筋施工切断框架结构承载性能分析

介绍某框架结构梁柱节点负筋被切断的质量问题的处理过程，处理过程中应用结构实荷试验，模拟结构受力状况，对结构进行整体载荷试验。载荷试验的对象从传统的单个构件变为整个结构，从测试单个构件的承载力到验证结构局部的承载力，突破了传统荷载试验的使用范围。采用THUFIBER程序，验证了结构极端承载性能。     

基于"雨课堂"新型教学方式在 有机化学实验中的应用

作为医学院校中开设的一门基础实验课程,有机化学实验是将理论和实践操作紧密结合在一起的学科。简洁、高效的实验教学模式可以提高学生的实验技能,培养学生发现问题意识和提升其解决问题的能力。以《柱层析分离有机化合物》实验为例,在实验过程中引入了基于"雨课堂"教学平台的线上教学模式,并与线下传统教学方法进行了对比,还通过调查问卷对这种新型教学模式进行了数据分析。     

基于神经网络的水厂原水水质的综合评价

基于BP神经网络的改进算法,提出了以Matlab 7.0为平台的算法程序的人工神经网络水质评价模型。参照《地表水环境质量标准》(GB3838-2002),确定神经网络学习和训练的样本并确定了模型的相应参数。以连云港市海州水厂原水取水口水质数据为样本,进行水质综合评价分析。与单因子评价法和模糊综合评价法进行了比较,结果表明神经网络模型所获得的结果更加客观、合理。     

Rayleigh波作用下地下结构地震反应影响分析

采用基于时域粘弹性人工边界的Rayleigh波输入方法,进行了土-地下结构相互作用体系在Rayleigh波作用下的动力时程反应分析,对Rayleigh波作用下地下结构的地震反应特性进行研究。重点讨论了地下结构材料强度、结构厚度以及土层刚度等因素对Rayleigh波作用下地下结构地震反应的影响。结果表明Rayleigh波对浅埋地下结构的地震动力反应影响显著,将使结构产生较大的内力与变形,在地下结构抗震设计尤其是浅埋地下结构的抗震设计时应予以足够的重视。     

怠速模糊控制算法的研究

在研究传统PID控制算法在发动机怠速应用的基础上,提出了模糊怠速控制策略。在基于MATLAB/SIMULINK的仿真工具上,设计出了发动机怠速系统,并在此基础上设计出了模糊控制器。仿真过程中,研究了模糊控制算法的对怠速的控制能力,包括发动机启动到真正怠速的响应速度,以及发动机在外部负荷变化情况下的响应能力,随时增加负荷或者是减小负荷,模糊控制器都能做出快速响应。实验表明:模糊控制器的抗干扰能力相对PID有了很大的提高,由于不需要精确地数学模型,发动机具有了较强的自适应能力。     

青少年肌肉骨骼疾患相关因素研究回顾及展望

青少年肌肉骨骼疾患是一个需要引起足够重视的问题.现有的研究主要集中在电脑使用、课桌椅匹配和坐姿等相关生理因素的考察.本文对已有的相关研究作了一个总结,提出了青少年肌肉骨骼疾患发生、发展的模型,同时结合中国的实际情况进行了研究展望,以期为进一步研究提供参考.     

乳化液泵性能分析系统研究

为提高乳化液泵的设计质量和性能,降低设计生产成本和开发周期,运用现代CAD和虚拟产品开发技术研发的乳化液泵性能分析系统对乳化液泵产品的工作性能进行分析,使产品的设计得到优化,解决了传统设计简化严重、计算周期长、计算不精确、结果不直观、无法精确预测应力部位及应力大小等问题。乳化液泵性能分析系统的运用,缩短了产品设计时间,成本降低10%,产品质量稳定,提高了产品市场竞争能力。     

基于负数据库的隐私保护图神经网络推荐系统

图数据是一种特殊的数据形式,由节点和边组成.在这种数据中,实体被建模为节点,节点之间可能存在边,表示实体之间的关系.通过分析和挖掘这些数据,人们可以获得很多有价值的信息.因此,对于图中各个节点来说,它也带来了隐私信息泄露的风险.为了解决这个问题,本文提出了一种基于负数据库(NDB)的图数据发布方法.该方法将图数据的结构特征转换为负数据库的编码形式,基于此设计出一种扰动图(NDB-Graph)的生成方法,由于NDB是一种保护隐私的技术,不显式存储原始数据且难以逆转.故发布的图数据能确保原始图数据的安全.此外,由于图神经网络在图数据中关系特征处理方面的高效性,被广泛应用于对图数据的各种任务处理建模,例如推荐系统,本文还提出了一种基于NDB技术的图神经网络的推荐系统,来保护每个用户的图数据隐私.基于Karate和Facebook数据集上的实验表明,与PBCN发布方法相比,本文的方法在大多数情况下表现更优秀,例如,在Facebook数据集上,度分布最小的L1误差仅为6,比同隐私等级下的PBCN方法低约2.6%,最坏情况约为1400,比同隐私等级下PBCN方法低约46.5%.在基于LightGCN的协同过滤实验中,也表明所提出的隐私保护方法具有较高的精度.     

基于BMM-Fast-SCNN的海底线实时提取算法

侧扫声呐瀑布图由于其成像原理，需要借助海底线位置对原始图片进行斜距校正。然而在实际采集过程中，声呐自噪声、悬浮物和海底目标等许多干扰因素会增加海底线提取的难度，现有的传统方法和神经网络方法在回波信号信噪比较差时无法正确实时地提取海底线。针对这些问题，提出了一种基于海底信息对称模块和多尺度特征融合模块的快速分割卷积神经网络(Bottom Information Symmetry Module and Multi-scale Feature Fusion Module Fast-SCNN,BMM-Fast-SCNN)用于实时正确提取海底线。该算法基于Fast-SCNN-1D,结合海底信息对称模块(Bottom Information Symmetry Module, BISM)来提高网络的鲁棒性，并通过多尺度特征融合模块(Multi-scale Feature Fusion Module, MFFM)增强网络提取海底线细小特征的能力。在两条测线中，该算法在一个像素和两个像素误差范围内的提取精度分别为83.56%,97.63%和96.27%,99.49%,相较于其他方法，分别至少提高了1.4...