共查询到20条相似文献,搜索用时 78 毫秒
1.
2.
在火灾条件下,建筑物随着燃烧猛烈、建筑材料和构件的燃烧与破坏、建筑物随之失去强度,就出现局部或整体的房屋倒塌.房屋倒塌会加强火场空气对流,加剧室内可燃物质的燃烧程度,使室内防火分隔物遭到破坏,火势蔓延加速,给实施灭火增加了困难.另外,会因为事先估计不足,没有采取防护措施,而发生人员伤亡.因此在火场上,对房屋倒塌做一般预测,及时采取有效措施,对保证灭火顺利进行和防止伤亡事故是很有必要的.首先,通过对建筑物外部观察,根据建材质量及受火情况进行预测.建筑物发生火灾后,由于建筑构件的材料不同,受火作用和构件 相似文献
3.
4.
5.
6.
7.
8.
在污水处理系统过程控制中,对水质变化规律进行预测是控制系统可靠、稳定运行的重要环节。介绍了基于模糊逻揖和神经网络的补偿神经网络(CFNN)及其学习算法,利用CFNN学习速度快、学习过程稳定、全局动态优化运算等特点,建立污水处理厂CFNN的水质预测模型。实例预测结果表明该模型对初始值的选择不敏感,具有很好的收敛性和预测精度,适合实际工程应用。 相似文献
9.
粉煤灰混凝土强度预测是一个典型的多变量,非线性系统。现在预测的方法准确性较差,难以在实际中被普遍应用。本文将模糊理论与神经网络相结合,综合利用二者的优点,进行粉煤灰混凝土强度的建模与预测。 相似文献
10.
总风量控制法自提出后,由于其末端动作频繁、通信量大、控制复杂而一直处于研究完善阶段。在空调室的神经网络预测控制系统得出满意的动、静态性能的基础上,将模糊控制与BP神经网络结合,建立了模糊神经网络,对变风量空调系统的风量进行预测,使它们有效地发挥各自的优势并弥补各自的不足,提高了预测的精度。预测结果表明这种改进的控制方式在空调系统的负荷预测方面是有效的、可行的。 相似文献
11.
通过分析已有的承发包价格预测方法,选取BP神经网络对承发包价格发展变化进行预测,并建立基于BP神经网络的建筑工程承发包价格预测模型,以西安市砖混结构住宅为例,证明了该模型具有很好的实用性和可操作性。 相似文献
12.
There are several ways to attempt to model a building and its heat gains from external sources as well as internal ones in order to evaluate a proper operation, audit retrofit actions, and forecast energy consumption. Different techniques, varying from simple regression to models that are based on physical principles, can be used for simulation. A frequent hypothesis for all these models is that the input variables should be based on realistic data when they are available, otherwise the evaluation of energy consumption might be highly under or over estimated.In this paper, a comparison is made between a simple model based on artificial neural network (ANN) and a model that is based on physical principles (EnergyPlus) as an auditing and predicting tool in order to forecast building energy consumption. The Administration Building of the University of São Paulo is used as a case study. The building energy consumption profiles are collected as well as the campus meteorological data.Results show that both models are suitable for energy consumption forecast. Additionally, a parametric analysis is carried out for the considered building on EnergyPlus in order to evaluate the influence of several parameters such as the building profile occupation and weather data on such forecasting. 相似文献
13.
降雨量是农业生产的一个重要影响因素,如何准确预测降雨量成为指导农业、水利等一项重要的科技指标。从信息利用角度来看,单一预测模型仅能利用降雨量数据部分有效信息,而组合模型将单一模型的优势互补,可获得更佳的预测效果。基于神经网络理论的快速发展及级联神经网络预测模型被广泛应用于各个方面并取得了很好的结果,针对降雨量曲线的特点,深入分析BP神经网络及RBF神经网络发现,BP神经网络可很好的拟合对降雨量有很大影响的气候信息和其它因素,输出同一类型的降雨量影响信息;RBF网络的特点就是可很好地提取同一类信息特征,二者的组合可很大程度的提高降雨量预测精度。鉴于此,将BP-RBF级联神经网络引入降雨量预测研究中,实例计算表明,该方法高于单一神经网络预测精度,证明该方法应用于降雨量预测是合理有效的。 相似文献
14.
15.
16.
针对<规范>中对自重湿陷性黄土自重湿陷量△s计算公式中修正系数β0 的取值以及饱和湿陷黄土地基湿陷量的计算方法提出了问题,指出参数的不确定性,提出在工程实践中,应尽量采用现场实测数据参数,以确保工程质量. 相似文献
17.
应用MATLAB提供的神经网络工具箱作为BP神经网络训练和仿真的平台,并进行语言编程,通过采用不同隐函数节点数进行对比试验,采用精度与误差都合适的节点数进行训练与预测,观察预测的精度,并分析神经网络对抗压强度结果预测的可应用性,从而得出一些有益的结论。 相似文献
18.
19.
以BP人工神经网络模型为基础,建立预测模型,以小区某栋建筑物l期~8期的沉降观测数据为输入数据和输出数据,对网络模型进行训练,并对9期~12期实际观测值与预测值进行了比较,结果比较理想,从而验证了采用BP人工神经网络模型进行建筑物沉降的预测是可行的。 相似文献
20.
Homogenization methods can be used to predict the effective macroscopic properties of materials that are heterogenous at micro- or fine-scale. Among existing methods for homogenization, computational homogenization is widely used in multiscale analyses of structures and materials. Conventional computational homogenization suffers from long computing times, which substantially limits its application in analyzing engineering problems. The neural networks can be used to construct fully decoupled approaches in nonlinear multiscale methods by mapping macroscopic loading and microscopic response. Computational homogenization methods for nonlinear material and implementation of offline multiscale computation are studied to generate data set. This article intends to model the multiscale constitution using feedforward neural network (FNN) and recurrent neural network (RNN), and appropriate set of loading paths are selected to effectively predict the materials behavior along unknown paths. Applications to two-dimensional multiscale analysis are tested and discussed in detail. 相似文献