基于微粒群算法的建筑工程成本优化技术研究

在保证建筑工程进度的前提下,如何尽可能地减少施工总成本,是包括施工企业在内的相关同业普遍关注的一个问题。因此,针对建筑工程总费用的最小化问题,提出一种基于微粒群算法的BIM建筑工程成本优化技术:首先,建立工程项目"成本—工期"均衡优化数学模型,以此为基础,建立基于BIM的建筑工程成本优化信息模型,然后采用改进的微粒群算法优化求解上述数学模型。最后,以实际建筑工程项目为例,通过所提方法对施工进度计划进行优化,优化结果验证了所提方法的有效性。     

基于蚁群优化和模糊Petri网的建筑工程成本预测研究

为了有效提高建筑工程成本动态控制的精确度,提出将蚁群优化算法和模糊Petri网理论应用于建筑工程成本预测。首先,通过模糊产生式规则选择样本工程并确定工程之间的相似度,以便建立工程成本预测模型,其权值和阈值等参数由ＢＰ神经网络训练得出。然后,利用蚁群优化对模型各参数进行优化,从而进一步提高工程成本预测的精确度。实际建筑工程实例分析结果表明：相比传统的BP神经网络预测方法,提出的方法具有更高的准确度,能够有效应用于企业建筑工程成本的科学管理。     

废弃纺织品纤维与木浆配抄纸的性能

为探讨废弃纺织品作为原料在现代造纸工业中的应用,按照原料和颜色深浅把废弃纺织品分为4类:合成纤维(浅色)、纤维素纤维(浅色)、纤维素纤维(深色)、纯棉纤维(浅色),将原料经粉碎工序加工成散纤维,分别与木浆配抄成手抄纸,分析了配抄纸的各项物理性能。结果表明,手抄纸具有优异的透气性能,透气度为91.70~100.00μm/(Pa·s),是木浆(对比样)手抄纸的9.6~10.44倍;力学性能低于木浆手抄纸,是木浆手抄纸的27.8%~55.6%;废弃纺织纤维与木浆配抄纸的白度与纺织品纤维原来的颜色相关。     

基尼系数法在惠州市水污染物总量负荷分配中的应用

通过借鉴评价收入公平性的指标--基尼系数的概念,提出了惠州市区域间水污染物总量分配方案合理性的评估方法.使用基尼系数法分析了惠州市各县区人口、GDP、水资源量、环境容量等指标对分配的影响,绘制各影响因素与主要污染物的洛伦茨曲线,并根据洛伦茨曲线对分配方案的合理性进行评估;按照合理的基尼系数范围确定各县区主要污染物排污量的削减方案.结果表明基于水资源量与环境容量的洛伦茨曲线反映了惠州市区域水污染情况日趋严峻,为污染物总量负荷分配及削减方案提供了依据.     

麦草和蔗渣机械浆制备墙体装饰材料的研究

利用搓磨分丝和高浓磨浆工艺技术得到麦草和蔗渣机械浆,并部分替代蔗渣化学浆制备墙体装饰材料.研究了麦草和蔗渣机械浆的添加量对墙体装饰材料外观颜色、挺度、拉伸性能和保温隔热性能的影响及物理性能变化的机理.结果表明:随着麦草和蔗渣机械浆添加量的增加,墙体装饰材料的挺度呈先增加后降低的趋势,且麦草、蔗渣机械浆添加量为50%,40%(质量分数)时挺度最大,比未添加麦草和蔗渣机械浆的墙体装饰材料分别提高9.36%,8.62%,墙体装饰材料的导热系数逐渐降低,当麦草和蔗渣机械浆添加量为50%时,其导热系数比未添加麦草和蔗渣机械浆的墙体装饰材料(导热系数为0.179 W/(m.K))分别降低15.64%,24.58%;添加麦草和蔗渣机械浆能明显降低墙体装饰材料的成本.     

深度可分离卷积神经网络在自动分拣中的应用

针对传统的花卉分类算法在工业自动化分拣应用中出现模型参数过大、分拣精度不高的问题,提出一种基于深度学习的花卉识别算法。介绍了花卉分类算法在工业花卉包装分拣系统中的应用;根据实际需求,采用一种深度可分离卷积神经网络提取花卉特征,并详细分析了网络的模型结构;为了提高模型训练速度,提出了一种微调的模型训练方法。实验结果表明,所采用的花卉分类算法在工业花卉自动分拣的应用中相比传统算法,准确率更高、稳定性更好、应用更加广泛。     

新型阳离子季胺盐杀菌剂在造纸白水中的应用

通过分析阳离子季铵盐杀菌剂的杀菌机理,针对季铵盐杀菌的不足,将MBC-X和BKC-Y进行复配处理造纸白水,结果表明,当两者用量分别为12×10-6g/mL和4×10-6g/mL时,杀菌率达到99.4%;金属腐蚀实验分析表明,该杀菌剂对金属管线还存在缓蚀作用.     

土木工程结构健康监测系统的研究状况与进展

土木工程中的安全事故发生机率呈逐年上升的趋势,对于土木工程结构健康监测的研究已经越来越受到国内外专家学者的关注。土木工程结构健康监测系统涉及不同的专业和领域,对于技术和能力的要求特别高,为了减少土木工程建设施工的安全事故发生频率,提高土木工程建设的质量,必须对土木工程结构健康进行监测。     

基于轻量级卷积神经网络的人脸识别方法

针对传统卷积神经网络在人脸识别中模型复杂程度高、处理数据较慢的问题,提出一种轻量级卷积神经网络算法。首先,通过对数据集采用剪裁、旋转等方式增强样本数据;然后,采用基于MobileNet的轻量级卷积神经网络对样本数据进行特征提取,并采用SSD目标检测器对样本数据中的人脸进行识别;最后,利用Python编程实现上述算法,并与传统的人脸识别算法进行比较。实验结果表明,采用的轻量级卷积神经网络算法在不失精度的前提下,处理速度更快,模型复杂程度更低。     

蔗渣浆和竹浆制备墙体装饰材料的研究

以竹浆和蔗渣浆为原料,采用纤维模塑热压成型制得环保墙体装饰材料。研究了蔗渣和竹浆的纤维形态,以及纤维不同添加量对墙体装饰材料挺度、抗张指数、耐破指数和滤水等性能的影响。实验表明,蔗渣浆和竹浆纤维的平均长度分别为0.78和1.22mm,两者在纤维形态方面具有很好的互补性。随着竹浆添加量的增加,浆料在成型过程中滤水速度加快,极大缩短了成形周期,并且制得的墙体装饰材料的挺度、抗张指数、耐破指数均呈先逐渐增大后缓慢减小的趋势。当竹浆的添加量为70%(质量分数)时,挺度、抗张强度、耐破指数均达到最大,分别比纯蔗渣浆制得的墙体装饰材料提高了77.02%、26.69%和21.77%,很好地改善了墙体装饰材料的物理性能。材料表面微观结构采用SEM进行表征。