预防电梯厅门非正常开启的保护措施

电梯安全性能是电梯管理者和使用者最关心的问题。国家在电梯的设计、制造、安装、验收、使用等各个环节都制订了严格的标准,以此来保证电梯的安全性能。电梯的安全保护装置有两大类：一类为机械安全保护装置,包括上下行超速保护装置,蹴底缓冲保护装置,机械门联锁保护装置,超载保护装置,安全防护栏,护脚板等;     

高炉煤气用于烧结机点火炉的工艺改造

为节约点火成本、实现高炉煤气循环利用,将高炉煤气用于烧结机点火炉。论述了点火炉工艺改造方案、改造前后的主要技术参数、经济技术指标,改造后经济、社会效益明显。     

外墙外保温工程实施中容易忽略的两个问题

自2005年起,天津市建筑节能工程全面执行设计、施工及验收标准。由于政府监管得力,各相关单位认真执行,天津市的建筑节能工程质量总体情况良好,在建设部组织的两次建筑节能工程专项检查中均得到了好评。但由于存在新标准推行时间短、标准种类繁多等因素,导致在具体工作中有的同志对个别条款的理解及认知不够深,有些问题,甚至是关键性的问题往往被忽略。     

一种用于无机房电梯轿顶作业的轿厢锁定装置

在本文中,笔者将介绍一种用于无机房电梯轿顶作业（例如检查、维护驱动主机）的能有效防止轿厢移动的机械锁定装置。该机械锁定装置充分考虑了定位销的受力对电梯导轨的影响,通过巧妙的设计使得该机械锁定装置处于非停放位置时,轿厢的任何移动都能得到有效的控制,从而保证作业人员的安全。     

Using Machine Learning, Neural Networks, and Statistics to Predict Corporate Bankruptcy

Recent literature strongly suggests that machine learning approaches to classification outperform "classical" statistical methods. We make a comparison between the performance of linear discriminant analysis, classification trees, and neural networks in predicting corporate bankruptcy. Linear discriminant analysis represents the "classical" statistical approach to classification, whereas classification trees and neural networks represent artificial intelligence approaches. A proper statistical design is used to be able to test whether observed differences in predictive performance are statistically significant. The data set consists of a collection of 576 annual reports from Belgian construction companies. We use stratified 10–fold cross–validation on the training set to choose "good" parameter values for the different learning methods. The test set is used to obtain an unbiased estimate of the true prediction error. Using rigorous statistical testing, we cannot conclude that in the case of the data set studied, one learning method clearly outperforms the other methods.     

Machine Learning in Engineering Analysis and Design: An Integrated Fuzzy Neural Network Learning Model

Applying neural network computing to structural engineering problems has received increasing interest, with particular emphasis placed on a supervised neural network with the backpropagation (BP) learning algorithm. In this article, we present an integrated fuzzy neural network (IFN) learning model by integrating a newly developed unsupervised fuzzy neural network (UFN) reasoning model with a supervised learning model in structural engineering. The UFN reasoning model is developed on the basis of a single-layer laterally connected neural network with an unsupervised competing algorithm. The IFN learning model is compared with the BP learning algorithm as well as with a counterpropagation learning algorithm (CPN) using two engineering analysis and design examples from the recent literature. This comparison indicates not only a superior learning performance in solved instances but also a substantial decrease in computational time for the IFN learning model. In addition, the IFN learning model is applied to a complicated engineering design problem involving steel structures. The IFN learning model also demonstrates superior learning performance in a complicated structural design problem with a reasonable computational time.     

Identifying Community Fire Hazards from Citizen Communication by Applying Transfer Learning and Machine Learning Techniques

Fire Technology - A cross-region transfer learning method is proposed to identify community (e.g. car parks, public spaces and shopping centers) fire hazards based on text input provided by...     

防止钻孔灌注桩水下浇灌混凝土时堵管及钻头脱落

文章分析泥浆护壁成孔灌注桩钻头脱落及在水下浇灌混凝土时堵管的原因,并提出处理方法。     

Ignition and Burning of Fibreboard Exposed to Transient Irradiation

Fire Technology - Natural materials like wood are increasingly used in the construction industry, making the understanding of their ignition and burning behaviour in fires crucial. The state of the...     

如何预防和处理混凝土裂缝

混凝土的裂缝问题是一个普遍存在而又难于解决的工程实际问题,对混凝土工程中常见的一些裂缝问题进行了探讨分析,并针对具体情况提出了一些预防、处理措施。     

基于机器学习和车辆路径问题模型的 园林绿化垃圾空间分布预测与处理设施 选址研究——以武汉市为例

园林绿化垃圾资源化循环利用的基础是处理设施体 系建设。以武汉市中心城区为例,分别对园林绿化垃圾空间分 布与处理设施选址进行研究。针对前者,基于高清卫片、街景 影像、行道树空间点位等大数据,利用机器学习中的分类(卷 积神经网络)、聚类(K均值聚类)和回归预测(多项式回归、随 机森林)等模型,实现对现状及规划地区的日常和峰值园林绿 化垃圾产生量的合理测算;针对后者,采用车辆路径问题类算 法中的自适应大邻域搜索算法,带入距离最近、运输周转量最 少、有限时间窗口和有限设施容量等限定条件,对组团收集 点、就近消纳站、综合处理厂和集中转运站4类设施及有关线 路进行智能选址。根据结果,预测研究区域内日常园林绿化垃 圾产生量为32.71 万t/年,峰值产生量为7 万t,与同等级城 市情况类似。建议布局200处组团收集点、50个就近消纳站、 4处综合处理厂和14个集中转运站,以提升园林绿化垃圾收集 清运效率,实现区域“产-收”平衡。     

基于ELM的大坝变形分析与预报模型

传统的诸如BP神经网络等学习方法训练时需要设置大量的参数,并且容易产生局部最优解。极限学习机(Extreme Learning Machine,ELM)可以随机选择输入权重以及隐藏层偏差且不需要调节,最终只产生唯一最优解。将ELM引入大坝变形分析建模中,建立了基于ELM的变形预报模型。实例表明,相比传统的逐步回归模型与BP神经网络模型,基于ELM的大坝变形预报模型在效率和精度上都有提高。     

Mechanistically Informed Machine Learning and Artificial Intelligence in Fire Engineering and Sciences

Fire Technology - Fire is a chaotic and extreme phenomenon. While the past few years have witnessed the success of integrating machine intelligence (MI) to tackle equally complex problems in...     

机器学习在神经精神疾病诊断及预测中的应用

多模态磁共振神经影像技术的发展为大脑工作原理研究及脑部疾病早期诊断提供了新的手段。当前多数神经精神性疾病的诊断仅依据其临床症状,缺少客观的神经影像生物学标志物。传统的基于组间比较的单变量分析仅能在组间水平进行推断,无法提供个体水平的诊断和预测,临床应用价值非常有限。机器学习技术可在不同水平对神经影像进行计算分析和研究,发现其中规律从而有效预测和分类未知数据,找出与脑疾病高度相关的脑区特征,提供个体水平的诊断并探测脑疾病的病理生理机制。本文对基于机器学习的神经影像分析步骤及机器学习在神经精神疾病智能诊断及预测研究中的应用进行综述,并对未来研究发展进行展望。     

如何应对和防范不平衡报价

介绍了不平衡报价的具体表现形式，论述了应对和防范不平衡报价的方法和措施。     

监理工作中如何防止建筑裂缝的产生

文章主要就监理工程师如何在监理工作中针对建筑裂缝产生的原因加强控制,采取切实可行的措施,减少裂缝产生的概率。     

Proactive,Backward Analysis and Learning in Road Probabilistic Bayesian Network Models

Some probabilistic safety assessment models based on Bayesian networks have been recommended recently for safety analysis of highways and roads. These methods provide a very natural and powerful alternative to traditional approaches, such as fault and event tree based methods. In this article, we present several new and original contributions to complement the inference engine tools of these models to provide new and relevant information about safety and backward analysis on one hand, and to learn the complex multidimensional joint probabilities of all variables, on the other hand. More precisely, we show how standard tools combined with the partitioning technique can be used in new ways to solve three relevant problems (1) to prognosticate the most probable combinations of variables leading to incidents, (2) to perform a backward analysis to identify the causes of accidents, and (3) to learn the model parameters using Bayesian conjugate methods (categorical and Dirichlet families). Finally, some real examples of applications are used to illustrate the proposed methods.     

民汉大学生思想政治理论课学习动机的因素比较——基于喀什师范学院的个案分析

新疆南疆高校思想政治教育由于殊的教育环境、教育对像、教育特点,在教育内容侧重点、教育方式、方法选择上凸显出特殊性,因而不断探索和创新适合南疆民汉大学生思想政治教育的方式、方法显得尤为重要。通过比较影响民汉大学生学习思想政治理论课的动机因素,为创新少数民族大学生思想政治教育方法,不断优化少数民族思想政治教育环境做出些许启示。     

基于机器学习的风景园林智能化分析应用研究

机器学习使实现数据的智能化处理及充分利用数据中蕴含的知识与价值成为可能。探索基于机器学习在风景园林领域智能化分析应用的途径,开展3个实验。其中2个与数据分析研究相关,提出基于调研图像色彩聚类分析的城市色彩印象和基于图像识别技术的景观视觉质量评估与网络应用平台部署实验。最后1个实验与数字化设计创作相关,提出用于设计方案遴选的地形生成方法,包括2个子项目:应用深度学习生成对抗网络(GAN)的地形生成和建立遮罩、预测未知区域的高程。3个实验应用到机器学习中分类、聚类和回归3个主要方向中的算法以及深度学习的生成对抗网络,对传统的研究问题提出了基于机器学习新的研究方法。因此,在应用机器学习风景园林领域,可以有效地从多源数据中学习相互增强的知识,发现问题,并提出解决问题的新方法。     

基于BIM与机器学习的建筑智能巡检眼镜研究

如今我国BIM行业发展迅速,与人工智能结合应用已成为热门趋势。针对建筑巡检时仪器携带不便,且人工误差难以避免等问题,设计了基于BIM与机器学习的建筑智能巡检眼镜,实现了巡检设备的便携化与自动化。首先基于机器学习对建筑构件图片进行训练,实现构件识别功能;其次通过Dynamo可视化编程快速提取建筑构件信息;最后以树莓派为硬件载体设计建筑智能巡检眼镜,可准确识别建筑构件类型。本文方法可以大幅提升巡检效率,实现BIM技术与人工智能等领域的进一步融合。