面向实时控制的排水系统深度LSTM神经网络模型

如何得到兼顾运算时间和预测效果的排水系统预测模型是排水系统实时控制领域亟需解决的问题。针对这一难点,以非线性映射能力较强且运算速度较快的长短时记忆（LSTM）神经网络为基础,构建了面向实时控制的城市排水系统深度LSTM神经网络模型,并以苏州市福星片区为案例区域,验证该模型的预测效果和计算效率。结果显示,该模型对18个泵站站前液位预测结果的纳什效率系数均在0.5以上,且在不同降雨情景下均能得到较好的拟合结果;与机理模型相比,该模型能节约99.7%的计算时间,可显著提高排水系统预测模型的实时性。     

应用RBF神经网络的预应力混凝土碳化深度预测研究

在现有混凝土碳化研究成果基础上,建立了预应力混凝土碳化预测模型。随后,运用径向基函数神经网络的基本原理,通过对影响预应力混凝土碳化深度因素的分析,建立了预测碳化深度的RBF和GRNN网络模型。通过实例进行了分析计算和预测,预测结果具有较高的精度。可以说,人工神经网络预测方法是一种可同时考虑各种影响因素组合、行之有效的混凝土碳化预测分析方法。     

深度卷积神经网络在水表字符图像识别上的应用

水表字轮半字符图像的识别是水表字符图像自动化识别的一个关键点。水表字符识别深度卷积神经网络基于深度卷积神经网络结构Inception,采用自制的水表字符图像数据集,利用Tensor Flow重新训练了Inception的输出层,实现了一个无监督的端到端水表字符自动识别方法。实验结果表明该方案具有识别率高、实用性强的优点。     

改进的BP神经网络在混凝土碳化深度预测中的应用

通过对混凝土碳化深度实测资料的分析,建立了基于 BP 神经网络原理的混凝土碳化深度预测方法.由于传统的 BP 神经网络有收敛慢,易陷入局部极小点的问题,采用改进的 BP 神经网络,通过与混凝土碳化深度的实测值、理论值的对比,证明了该方法在混凝土碳化深度预测方面的有效性并且具有令人满意的精度。     

遗传算法-BP神经网络在混凝土碳化深度预测中的应用

通过对混凝土碳化深度实测资料的分析,建立了基于遗传算法-BP神经网络原理的混凝土碳化深度预测方法。应用该方法对两个算例的的混凝土碳化深度进行预测,并与实测值和理论值进行对比,证明该方法对在混凝土碳化深度预测的有效性。     

遗传算法—BP神经网络在混凝土碳化深度预测中的应用

通过对混凝土碳化深度实测资料的分析,建立了基于遗传算法-BP神经网络原理的混凝土碳化深度预测方法。应用该方法对两个算例的的混凝土碳化深度进行预测,并与实测值和理论值进行对比,证明该方法对在混凝土碳化深度预测的有效性。     

强夯加固深度预测的神经网络方法研究

拟用神经网络方法对强夯加固深度进行预测。从国内的若干强夯工程实例中,选取了干重度、孔隙比、主夯击能、夯点间距等强夯加固深度的八个影响因素的相关数据,对相应数据按一定方法分类整理,把这些数据输入到一套基于神经网络方法的FORTRAN程序中对其进行训练,最后用该经过训练程序对两项工程进行加固深度预测。预测结果证明了此种方法不仅有效可行,而且具有工程实用价值和应用前景。     

基于深度神经网络的钢结构施工质量智能评估

施工现场数据收集错误率大、迟缓,难以为管理人员提供准确及时的现场数据作为质量管理依据,因此需要更新数据采集和记录设备,高效获取数据,同时依靠图像识别技术开发施工质量自动化检查工具,有助于施工现场的质量管理,保证施工安全。     

基于BP神经网络的丁坝坝头冲刷深度预测模型

将丁坝坝头冲刷影响因素分组,并分别用收集到的丁坝坝头局部冲刷数据样本训练并测试BP神经网络模型,进行了冲刷深度的预测,经过对比分析,从而得到了最佳模型,测试结果表明由BP神经网络模型得出的丁坝坝头局部冲刷深度预测值与实测值比较吻合,说明该神经网络模型预测丁坝局部冲刷深度是可行的、有效的。     

浅谈基于神经网络深度学习算法的人脸识别技术

随着人工智能的快速发展,如何准确、有效地识别用户身份,提升信息安全成为一项重要的研究课题。本文将对人脸识别技术进行解析,浅谈采用神经网络深度学习算法的人脸识别技术在城市智慧治理中的应用。     

用神经网络预估桩端阻力的临界深度

鉴于桩端阻力临界深度的特点及其在桩基设计中的重要性 ,本文提出了一种基于人工神经网络的端阻临界深度的预估方法。计算结果表明该方法不仅有效 ,而且能定量预估 ,计算精度较高 ,具有较好的应用前景。     

深度学习在城市感知的应用可能——基于卷积神经网络的图像判别分析

作为人工智能领域的研究重点,机器学习近年衍生出了各式各样的智能化应用,例如图像判别、语音助手和智能翻译等。尤其是图像判别技术已在各行业进行了大量的研究和实践,城市领域也不例外,这很大程度上是因为深度学习的卷积神经网络在计算机视觉领域取得了令人瞩目的成果。这也使得训练计算机判别建筑风格、城市肌理等城市特征的准确率大幅提升。本研究立足于深度学习图像判别技术,探索卷积神经网络在城市感知方面的应用。鉴于直接利用现成开源的带标签图像数据集训练个性化图像判别模型可能带来局限性和误差,本研究探索了从收集数据到自定义训练数据集,到搭建满足特定需求的图像判别模型的整体流程,并通过三个实验案例:城市风貌分析、城市问题侦测和城市肌理评估,阐明深度学习在城市感知和城市规划中的应用可能性及潜力。     

图说博览会

<正>~~     

图说博览会

正创新驱动聚力发展一首以我爱中国打头的歌曲串烧,散发着青春朝气的首届物业管理产业博览会来开帷幕。中国物业管理协会副会长兼秘书长王鹏主持了开幕式,中国物业管理协会会长沈建忠发表致辞,并宣布首届物业管理产业博览会成功开幕。没有冗长的领导陆续发言过程,几位领导被邀上台剪彩后,开     

图说理事会

<正>投票理事会上,理事们拿着选票秩序井然的走向台前,将选票投进票箱。经投票选举,会议决定增补深圳市物业管理行业协会会长曹阳,保利房地产(集团)股份有限公司副总经理、保利物业发展股份有限公司董事长胡在新,黑龙江万瑞物业管理有限公司董事长李春俐三人为中国物协副会长。     

图说博览会

正创新驱动聚力发展博览会召开前夕,主办单位中国物业管理协会组织召开了全体会务人员工作会,部署了会议相关工作,并对需要注意的事项进行了说明,为大会胜利召开打下了坚实基础。身着整洁、醒目的制服,面带温暖又贴心的笑容,为领导巡展保驾护航,为来往的参会者提供帮助……哪里有需要,哪里就有他们的身影。他们,就是我们美丽的会场服务人员。     

图说大会

正~~     

基于深度卷积神经网络的科研项目不端行为识别研究

随着科研项目数量大幅增长,随之而来的问题是科研项目不端行为(SRPM)层出不穷.本文研究大数据环境下科研项目不端行为的特征提取方法,探索提出基于深度卷积神经网络(DCNN)的语句表示模型和匹配架构,并对其进行有效训练,以学习得到语句匹配在不同层次上的表示,提高模型的表示能力,从而提高文本相似度计算的准确度和精度.     

基于深度神经网络的围岩无侧限抗压强度预测

实时的围岩抗压强度预测能对TBM安全高效掘进有重要意义.针对现有技术难以实时获取隧道掘进机掌子面岩体参数的问题,基于青岛地铁1号线掘进过程产生的掘进参数数据,分别使用深度神经网络构建隧道围岩无侧限抗压强度实时感知模型.模型利用掘进阶段100s内总推进力、刀盘转速、刀盘扭矩、推进速度和撑靴压力等TBM运行参数数据实时预测...