棉花滩水电站FM—200气体灭火系统设计

在棉花滩水电站中央控制楼的设计中，首次采用了FM－200气体灭火系统，通过工程设计和实践，全面地研究了FM－200气体灭火系统的系统选择，灭火剂用量计算、钢瓶选择、管路直径确定、系统组件，泄压口计算和布置、水力计算、喷头选择及系统控制等有关技术问题。。     

基于时空长短时记忆神经网络的地基云图预测算法

针对传统云运动轨迹预测方法存在的预测精度差、空间结构细节信息丢失等问题,提出一种基于时空长短时记忆（ST-LSTM）神经网络的地基云图预测模型。首先使用卷积编码网络提取输入视频流的高维图像特征;然后在特征提取模型中对图像潜在信息进行多分支获取,一部分使用ST-LSTM神经网络提取不同帧之间的时空特征,另一部分将图像序列进行分解,并通过基于门控机制的记忆融合网络来获取分解后图像中的结构细节信息;最后将得到的分支特征进行组合后经过解码网络输出最终的预测视频流。在地基云图、Moving MNIST和Human 3.6M数据集上的实验结果表明,在图像预测准确率、结构细节信息保留效果以及人眼主观感受上,该预测模型均优于对比模型。与基准模型TaylorNet相比,所提模型在Moving MNIST数据集上均方误差指标和平均绝对误差指标分别降低15.7%和11.8%,在地基云图数据集上,其结构相似性指标与峰值信噪比指标分别提升1%和3.2%,且生成的视频流数据更为清晰,能够更准确地描述云层未来的运动状况,从而更可靠地预测光伏电站未来的输出功率。     

高层建筑钢结构施工技术应用分析

随着城市化进程的加快,各项建设都广泛的开展起来,大量的人口涌入城市,对于建筑的需求不断的增长。在建筑业快速发展的形势下,土地资源日益稀缺,高层建筑应运而生,在竖向空间上延长居住的面积。在高层建筑施工中,钢结构逐渐成为主流趋势,文章对于高层建筑施工中,对于钢结构的施工技术进行了阐述,为建筑的质量安全提供了坚实的基础。     

建筑工程施工中节能技术应用探讨

在建筑工程施工中会消耗大量的能源,随着建筑业的发展对能源的消耗将会越来越多,能源的消耗对于环境将会造成的一定的破坏。在我国大力倡导节能的政策号召下,如何实现节能和经济可持续发展是我国面临的一个重要议题。在建筑工程施工中,要使用科学的施工方法,实现节能技术。文章对于建筑工程施工中节能技术的应用进行了分析,对建筑工程的节能施工提供了基础。     

钢结构网架的分块吊装工艺及其应用

随着钢结构在国内的广泛应用,钢网架结构越来越多地出现在构筑物中,由于其具有安装快捷,维修保养方便,通风透光等特点,特别常用于厂房、仓库、体育馆等大型的公共型建筑物的屋面。钢网架工程目前可供选择的施工方案主要有满堂红脚手架安装法、高空散装法、分块安装法、高空滑移法、整体吊装法、整体提升法、整体顶升法等。钢网架安装方法的选择,主要是以施工现场的场地空间条件以及吊装经济成本来考虑的。文中将重点对钢网架的分块安(吊)装法进行论述和分析。     

建筑节能施工技术探讨

随着全球能源的紧张,在各行各业中都开始注重节能的重要性。通过一项调查表明,在我国的能源消耗中,以建筑消耗为最大,所以加强对建筑行业的节能管理,提高其节能技术是具有非常重要意义的事情。目前人们开始越来越注意到节能的重要性,在建筑工程中各项节能技术得以普遍应用,这对促进建筑技术的发展,实现能源的节约和环境的保护起到极其重要的作用。文章分析了建筑节能的重要性,并进一步对建筑节能施工技术的措施进行了具体的阐述。     

利用AutoCAD对水轮机模型特性曲线数字化的方法

系统地介绍了如何将水轮机的模型综合特性曲线数字化,即将水轮机的模型综合特性曲线中的重要的有用的信息转换成数据,并以一定的格式储存在文件中,随时调用,提高设计效率。     

钻芯法检测混凝土强度应注意的若干问题

钻取混凝土芯样,因直观、可靠、准确而广泛运用于现场混凝土质量检测中,但在实际应用中也遇到了许多问题,如取样部位不当,轻则削弱构件承载力,重则损伤主筋或钻断主筋。为避免取芯对结构安全造成影响,在钢筋混凝土结构检测鉴定中一定要选择受力较小的构件钻取芯样,要根据粗骨料粒径和结构配筋率选取适当的芯样尺寸。同时,文章还对钻芯法检测中一些容易被忽视的问题进行简述。     

基于WGAN-GP和CNN-LSTM-Attention的短期光伏功率预测

针对非晴天天气类型历史数据量匮乏导致光伏功率预测精度低的问题,提出了一种含有梯度惩罚的改进生成对抗网络(Wasserstein generative adversarial network with gradient penalty, WGAN-GP)和CNN-LSTM-Attention光伏功率短期预测模型。首先,利用K-means++聚类算法将历史光伏数据划分为若干天气类型,使用WGAN-GP生成符合各天气类型数据分布规律的高质量新样本,实现训练集数据增强。其次,结合卷积神经网络(convolutional neural network, CNN)在特征提取上的优势和长短期记忆网络(long short-term memory, LSTM)在时间序列预测上的优势,提升预测模型学习光伏功率与气象数据间长期映射关系的能力。此外,引入注意力机制(Attention)弥补输入序列长时LSTM难以保留关键信息的不足。实验结果表明：基于WGAN-GP对各类型天气样本扩充能有效提高预测精度;与3种经典预测模型相比,所提出的CNN-LSTM-Attention模型具有更高的预测精度。