排序方式: 共有7条查询结果,搜索用时 15 毫秒
1
1.
2.
钢结构住宅是住宅建造的一种新模式,有着传统住宅不可比拟的优势。运用静态与动态经济分析方法,以及循环经济理论,结合钢结构住宅和钢筋混凝土住宅的具体实例,对两种结构体系的综合经济性能进行对比分析,结果显示:钢结构住宅具有较好的综合经济性能,是住宅的发展趋势。 相似文献
3.
在爆炸冲击荷载作用下,钢筋混凝土梁、柱构件的破坏是导致建筑结构坍塌的主要原因。文章运用LS-DYNA对钢筋混凝土柱建立了三维有限元模型,并对爆炸冲击荷载下的钢筋混凝土柱的动力响应进行了数值模拟;运用参数化分析的方法研究了混凝土轴心抗压强度、纵筋配筋率、箍筋间距以及箍筋加密方式等对钢筋混凝土柱抗爆性能的影响。研究表明:提高混凝土轴心抗压强度、增大纵筋配筋率和进行箍筋加密可以有效提高钢筋混凝土柱的抗爆能力,尤其是对柱端箍筋进行加密是提高钢筋混凝土柱抗爆能力的最有效方式。 相似文献
4.
在数字电路中,计数器不仅可以计算输入脉冲的个数,还可以用于定时,广泛应用于电子时钟、抢答器、交通灯等电路中。本文将通过两个实例来说明N进制计数器的构建、计数长度(模)以及如何停止计数。实例的仿真采用电子线路设计常用软件Multisim,该软件器件齐全,功能强大,使用方便。 相似文献
5.
6.
现有AMIs中的异常检测器存在浅层架构,难以捕获时间相关性以及电力消耗数据中存在的复杂模式,从而影响检测性能。提出基于长短期记忆(LSTM)的序列对序列(seq2seq)结构的深度(堆栈)自编码器。自动编码器结构的深度有助于捕获数据的复杂模式,seq2seq LSTM模型可以利用数据的时间序列特性。研究了简单自编码器、变分自编码器和注意自编码器(AEA)的性能,得出在这3种自编码器采用seq2seq结构时检测性能优于全连接结构。仿真结果表明,带有注意力机制的检测器(AEA)检出率和虚警率分别比现有性能最好的检测器高4%~21%和4%~13%。 相似文献
7.
针对传统窃电检测模型受维度诅咒、类不平衡等问题,提出一种能有效检测智能电网窃电行为的混合深度学习模型,利用深度学习卷积神经网络(AlexNet)处理维度诅咒问题,显著提升数据处理的准确性;通过自适应增强(Ada Boost)对正常和异常用电行为分类,进一步提高分类精度;使用欠采样技术解决类不平衡问题,确保模型在各类数据的均衡性能;利用人工蜂群算法对AdaBoost和AlexNet的超参数进行优化,有效提高整体模型性能。使用真实智能电表数据集评估混合模型的有效性,与同类模型相比,提出的混合深度学习模型在准确率、精确度、召回率、F1分数、马修斯相关系数(MCC)和曲线下面积-接收者操作特征曲线(AUC-ROC)分数上分别达到了88%、86%、84%、85%、78%和91%,不仅提高了用电行为监测的准确性,也为电力系统的智能分析提供了新视角。 相似文献
1