首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   1篇
  免费   0篇
  国内免费   1篇
综合类   1篇
建筑科学   1篇
  2021年   1篇
  2020年   1篇
排序方式: 共有2条查询结果,搜索用时 5 毫秒
1
1.
BIM与人工智能相融合可以充分发挥各种技术的优势,深度挖掘工程数据信息,实现"1+1 2"的功能效果。为此以文献调研为基础,对BIM在工程项目中的研究情况进行分析,综述了BIM与传统人工智能技术以及深度神经网络相融合可解决的问题类型、实现的功能以及应用情况。结果表明:BIM与遗传算法、推理技术、浅层神经网络等传统的人工智能技术相融合可解决多目标优化、搜索、规则检查、事件决策以及预测问题,实现设计方案的合理选择与检查优化、成本管理、施工进度与质量管理、能耗管理、风险与安全管理、自动控制以及辅助决策;与深度神经网络相融合可解决预测以及图像识别问题,实现施工安全与风险管理、设施管理。同时针对存在的人工智能技术不完善、技术的选择不合理、数据接入以及共享问题等提出相关建议,并对其未来发展方向进行展望。  相似文献   
2.
索的受力状态关系着索体系桥梁的安全,而索力值是衡量索的力学状态的重要指标。目前,索的边界条件难以判别是影响索力识别结果准确性的重要因素。为此,利用ANSYS对拉索振动进行数值模拟,并借助已有索力计算公式对建模方式的可靠性进行验证并生成模拟数据,然后以索长、线密度、抗弯刚度、一阶频率、二阶频率、三阶频率为输入参数,以索力值为输出参数结合振动模拟数据分别建立BP神经网络和广义回归神经网络索力预测模型,并将两种神经网络索力预测模型和已有索力计算公式应用于实际工程中进行对比验证。结果表明:BP神经网络索力预测模型的神经网络结构为6-13-13-1,输入层与隐含层1、隐含层1与隐含层2、隐含层2与输出层之间的激励函数分别为tansig、tansig、purelin,训练算法为L-M优化算法trainlm,学习速率为0.1,网络迭代次数为1000,显示间隔为100,均方误差为0.001,索力预测模型的预测效果良好,但还有进一步优化的空间;广义回归神经网络索力预测模型的最佳spread值为0.00215,索力预测模型的预测效果优于BP神经网络和已有索力计算公式,且预测误差基本控制在5%以内。利用广义回归神经网络对桥梁索力进行预测,避免了索的边界条件判别错误对索力识别结果准确性的影响,提高了索力的识别精度,具有良好的工程应用价值。  相似文献   
1
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号