基于机器学习的矩形钢管混凝土柱偏压承载力预测

矩形钢管混凝土偏心受压构件作为主要受力构件,准确预测其承载力是保障结构安全的重要前提。采用机器学习方法对矩形钢管混凝土柱偏压承载力进行建模预测。建立了包含804个构件的试验数据库,并通过受力机制与数据相关性分析相结合的方法确定机器学习模型的输入参数;采用BP神经网络、RBF神经网络、高斯过程回归等机器学习算法和多元线性回归方法,建立了其偏压承载力预测模型,并对预测结果进行对比分析。结果表明：几何和荷载参数与偏压承载力之间可呈正相关性或负相关性,而材料参数与偏压承载力之间仅呈正相关性,上述相关性同时受到荷载偏心方向的影响;所建立的3种机器学习模型基于总数据库的预测精度与按偏心方向划分数据库的预测精度相近,表明模型能够反映偏心方向对承载力的影响,避免了进一步划分数据库的需求;高斯过程回归模型的预测精度最高,对数据库中超过60%构件的预测误差小于5%;与设计规范和以往研究中的方法相比,所建立的机器学习模型整体上具备更高的预测精度和更广的适用范围。     

基于构件性能的区域RC框架结构地震损伤预测

为达到区域震损预测方法中评估精度与计算效率的平衡,本文提出了一种基于构件性能的区域RC框架结构地震损伤预测方法。利用基于构件变形的抗震性能评估体系及机器学习算法,构建结构几何特征参数、设计特征参数与结构震损程度之间的非线性关系。对比了8种机器学习算法的评估效果及泛化能力,提出了高效的区域结构震损预测方法。最后,以广州市某住宅区为例,通过无人机技术提取区域结构的几何特征参数,实现了区域RC框架结构震损预测全过程。结果表明：本文提出的方法能够高效预测区域结构各构件的性能状态分布,并直观呈现区域结构的性能水准。本文为区域RC框架结构的震害预测提供了有效的方法和重要的应用案例。     

基于Stacking集成算法的岩爆等级预测研究

岩爆是地下工程面临的一个巨大灾害，岩爆预测可以降低岩爆带来的危害。机器学习是岩爆预测方法的研究热点和发展方向，但现阶段各机器学习算法表现不同，并且相互独立工作，没有融合，不能优势互补，导致各机器学习算法的准确率、泛化性和稳定性较低。本文采用Stacking集成算法，融合现阶段使用较多的8个机器学习算法(4个集成算法和4个基本算法)，充分发挥各算法的优势，实现优势互补；为保证新特征信息具有多样性，结合各种机器学习算法的原理和岩爆样本库的特点，提出3组考虑多个岩爆预测指标的Stacking集成算法，每组算法拥有不同基模型和多个元模型，解决了传统Stacking集成算法接受特征信息受限和元模型选择困难的难题。对比分析各组Stacking集成算法与独立算法的准确率、精确率、召回率和F1值，结果表明构建的Stacking集成算法可以有效融合各机器学习算法，预测性能显著提升。在3组Stacking集成算法中，Stacking集成算法二的基模型由Random Forest Classifier,Extra Trees Classifier,Gradient Boosting Classifier和L...     

基于非线性优化理论的混凝土材料配合比研究

建立了高强混凝土的强度预测的非线性优化模型。并将该模型计算结果与实测混凝土28 d抗压强度进行比较。改用十进制遗传算法在训练过程中搜索最优超参数,形成遗传-组合核函数高斯过程回归算法,并编制了相应的计算程序,研究结果表明:与单一核函数高斯过程回归算法和支持向量回归(SVR)算法相比,提出的遗传-组合核函数高斯过程回归算法显著提高了预测精度,预测结果与实测结果吻合较好,具有较高的预测精度,为高强混凝土的强度预测提供了一条新途径。     

基于机器学习的雷达数据分析与仿真

本文以机器学习为基础,研究了机器学习中最为经典的一种算法SVM(Supportvector machine)支持向量机算法,并通过该算法对雷达数据进行了拟合和预测。     

基于机器学习的高层建筑火灾风险评估

将机器学习与火灾风险评估相结合,建立定量化高层建筑火灾风险评估模型。总结现有评估方法,并对机器学习及涉及到的学习算法进行介绍,然后建立评价模型。评价模型采用One-Hot、Word2vec和LDA进行数据预处理,应用高斯贝叶斯分类器、k近邻、随机森林、AdaBoost进行建模训练和预测,并提出采用错误率和代价敏感错误率进行模型精度评价。     

基于运行模式划分的复杂集中式空调控制系统逐时能耗预测方法

本文针对目前单一能耗预测方法难以对多种模式混合运行下的公共建筑集中式空调系统能耗进行准确预测的问题,提出一种基于机器学习划分运行模式的能耗预测方法。该方法首先利用K-Means算法划分系统运行模式,通过随机森林方法选择影响运行模式的主要因素,然后利用BP神经网络建立预测模型依次进行模式预测和能耗预测。以苏州某酒店建筑集中式空调系统为研究对象对上述方法进行验证,研究结果表明:本文提出的能耗预测方法与直接进行能耗预测方法相比,预测精度和稳定性大幅度提高,EEP降低了37. 3%,CV降低了37. 7%。     

灰色组合模型在变形预测中的应用

变形预测方法有很多种,为了提高预测精度,采用组合模型预测已经成为一种趋势,因为组合模型能够利用单一模型舍弃的有用信息。本文用单一灰色模型、灰色-时间序列组合模型与灰色-线性回归组合模型三种种方法进行了预测及对比,从预测效果可以看出在短期预测内三种模型都能有相当好的预测精度,而灰色-时序组合模型预测精度略高。     

基于机器学习的钢筋混凝土柱失效模式两阶段判别方法增强出版（附加材料可在文章详情页“评审附件”下载）

钢筋混凝土柱在侧向地震力作用下具有弯曲、剪切和弯剪三种失效模式。不同的失效模式下钢筋混凝土柱具有不同的地震损伤特征。因此,准确地判别钢筋混凝土柱的失效模式对于准确评估钢筋混凝土结构的抗震性能具有重要意义。利用已有的钢筋混凝土柱滞回加载试验数据,采用机器学习方法,提出了一种钢筋混凝土柱失效模式两阶段判别方法。其中,第一阶段以钢筋混凝土柱的基本设计参数为输入变量,采用机器学习中的回归算法,建立钢筋混凝土柱的受弯承载力、受剪承载力、弯曲变形和剪切变形预测模型。第二阶段以钢筋混凝土柱的受弯承载力、受剪承载力、弯曲变形和剪切变形作为输入变量,采用机器学习中的分类算法,对钢筋混凝土柱的失效模式进行自动判别,实现了准确判别钢筋混凝土柱失效模式的目的。研究结果表明：极端随机树、AdaBoost、随机森林和梯度提升算法分别对受弯承载力、受剪承载力、弯曲变形和剪切变形的预测效果最佳;极端随机树、梯度提升算法和最近邻居法分别对弯曲失效、剪切失效和弯剪失效具有最佳的分类效果;相比已有的钢筋混凝土柱失效模式分类方法,提出的两阶段分类方法具有与真实失效模式最为接近的分类结果,分类精度可以达到96%。     

大坝变形非线性智能组合预测方法研究

为同时利用不同大坝变形预测方法的特征信息,改进预测质量,提出了一种基于微粒群优化一支持向量机(PSO-SVM)的大坝变形非线性智能组合预测模型.选取几种不同原理的建模方法建立预测模型并预测,利用其预测结果建立组合预测模型,组合函数的拟合采用混合核函数支持向量回归算法.为提高SVM的学习、泛化能力,采用混合核函数,并用具有并行性和分布式特点的PSO算法优化选择SVM模型参数.实例分析表明,该模型较好地整合了不同建模方法的特征信息,避免了单一方法的偶然性,较单一预测模型、加权组合预测模型具有更高的预测精度和更小的峰值误差,为更准确地进行大坝安全监控提供了一种新的途径.     

高架桥上BRT公交车火灾事故调查的思考

通过对一起高架桥上BRT公交车火灾事故的详细勘察和缜密调查,分析提出制定特殊火灾事故调查应急预案的重要性,探讨如何建立重大火灾事故多部门尤其是刑侦部门协作配合机制,以及从火灾事故调查中总结经验教训,提出改进措施和建议。     

对混凝土裂缝自愈合的研究

阐述了混凝土裂缝产生的原因以及混凝土裂缝自愈合的机理,并对混凝土的自愈合技术进行了深入的研究,结合该领域存在的问题,对其在未来的发展进行了展望,以期为该问题的研究提供借鉴。     

基于ANSYS的水平受载桩桩身受力性能的研究

基于ANSYS有限元软件,建立了钢筋混凝土管桩模型,对成层土中桩身处承受水平荷载的基桩受力性状进行了计算机数值模拟,通过对桩身位移和应力变化曲线的分析,得出了水平荷载下桩身位移和应力的变化规律。     

浅析“辛以润之”

"辛以润之"是中药药性理论的重要组成部分,一方面,"辛润"是"辛散"功效作用于脾、肺、肾而依次派生出的功用变易,是天地阴阳、五行五脏之间紧密联系的体现;另一方面,对"辛润"的运用不该只局限于治疗"肾苦燥",而更应将其追溯到"发越脾气"与"从阳引阴"上去,以使其对临床用药的指导意义更加深刻、广泛;最后,对于药物性味的合理运用与理解应该与药味之间的相互配伍、中药归经理论结合起来,使其得以互相为体为用,从而更好地发挥功效。     

燃气表跳字分析

分析了燃气表滑阀与滑座、输出轴、计数器对产生跳字的影响,提出了解决方法。     

浅析MVRDV的密度实践

对MVRDV 的理论进行了探索,指出MVRDV 建筑事务所热衷于研究城市空间扩张与自然空间发展的关系及城市空间和建筑本身的密度实践,并通过对MVRDV 案例的分析,论述了提高建筑密度的手法和优化城市空间的理念。     

同层分户排水刍议

住宅楼分户排水可基本杜绝以往管道穿楼板导致的"跑、冒、滴、漏"和随意往管道投垃圾而导致堵塞下层管道(尤其是底层排水横管)等弊病,有效解决卫生间"臭味"问题.     

基于PSIM的光伏电池的仿真

指出光伏电池是光伏发电系统的主要元件,对其特性的研究有着重要的意义,介绍了利用PSIM软件建立光伏阵列的仿真模型,并对仿真效果进行了分析,得出该模型仿真精度高,能够准确地反映其物理特性,为光伏发电系统的仿真分析提供了依据。