回归本原,构建真实——现代主义语境下格雷夫顿事务所建筑思想探究

以回归建筑本原为出发点,结合现代主义发展,阐述格雷夫顿的现代主义教育背景以及事务所发展的三个阶段.结合建筑本原的释义,探讨格雷夫顿在建筑本体层面的设计原则,并从形式的功能取向、建构的真实表达、空间的知觉体验这三个建筑本原的物质表现的角度,解读其扎根建筑本原的设计实践.     

线的演绎——构成视角下西方建筑解读

构成体系下,强调几何抽象的点、线、面、体是最基本的视觉造型元素。其中,"线"作为建筑语汇,具有造型、表意和组织等多种功能,在建筑构成中发挥着重要作用。本文用理性和抽象的方法,从构成视角出发,分析了西方现代建筑创作中关于线性要素与建筑的结构、形态、空间以及秩序等构成层面的关联性,探究其形式表现背后的构成逻辑,从而开阔建筑创作视野。     

闸墩"枣核形"裂缝成因机理和防裂方法研究

针对闸墩中经常出现的“枣核形”裂缝,借助混凝土温度和应力有限元仿真计算方法,进行多工况多参数的比较分析研究,在查清具体工程裂缝成因机理后,提出适时合理的防裂方法,应用效果明显,对类似工程提供了借鉴作用。     

ELM网络结构自适应正交搜索算法

由于具有灵活的非线性建模能力和良好的模式识别能力,单隐藏层前馈神经网络(Single Hidden Layer Feedforward Neural Network,SLFN)一直是机器学习和数据挖掘领域关注的焦点.众所周知,网络结构是影响SLFN泛化能力的重要因素之一.给定一个具体应用,如何在训练过程中自动选取最优的隐节点个数,仍是一大挑战.极限学习机(Extreme Learning Machine,ELM)通过随机生成隐藏层节点参数,并利用最小二乘法求解输出层权值的方式来训练SLFN,在一定程度上克服了传统的基于梯度类学习方法收敛速度慢、容易陷入局部最小值等问题.然而,ELM仍需要人为确定隐节点个数,不仅过程繁琐,而且无法保证得到最优或者次优的网络结构.在不影响泛化能力的前提下,为了进一步降低网络的复杂度,本文对ELM进行了改进,通过将网络结构学习转化为子集模型选择,提出了一种隐节点自适应正交搜索方法.首先,利用标准ELM构建隐节点候选池.然后,采用正交前向选择算法选择与网络期望输出相关度最大的候选隐节点加入到模型中.同时,每向前引入一个新的隐节点,就要向后对已选入的隐节点进行逐个检查,将变得不重要的隐节点从网络中删除.最后,设计了一种增强的向后移除策略来纠正前面步骤中所犯的错误,进一步剔除模型内残留的冗余隐节点.本文方法充分考虑了隐节点间的内在联系和相互影响,实验结果表明,该方法不仅具有良好的泛化性能,而且能够产生比较紧凑的网络结构.     

某高校放射源库辐射场的MCNP模拟及分析

采用非现场检测方法,给出某高校放射源库的辐射场分布,并计算出该放射源库的最大存储量,提出防护优化建议。利用MCNP(Monte Carlo N particle transport code)程序模拟计算放射源库辐射场分布,并与实测值对比,验证模拟值的可靠性。结果表明,MCNP程序模拟结果与现场实测值的误差基本保持在10%,能给出较精确的辐射场分布及源库最大存储量。结果提示:利用MCNP程序模拟放射源库及其周围辐射场,能在不进入辐射场的情况下,有效获取任意点处的剂量率;该高校放射源库采取的防护措施能保证在任意关注点处剂量率均小于国家标准限值;对于~(137)Cs的最大存储能力为4.88×10~(13) Bq,对于~(60)Co的最大存储能力为9.99×10~(10) Bq。     

源于自然,回归自然——平衡建筑观下RCR事务所建筑思想解读

在技术引领建筑设计与城市扩张的趋势下,RCR事务所以心向世界、根植本土的创作受到普利兹克奖的青睐.以RCR事务所为研究对象,以美学理论为基础,分析RCR的创作背景,解读其\"平衡\"建筑观,研究其在创作过程中如何实现从抽象自然到融于自然的跃迁,从建筑空间、形式、材料、视景四个方面,探讨RCR如何在对抗状态下实现自然、建筑、...     

聚落·会馆——洛带客家移民文化之初探

四川是一个移民社会,洛带镇是客家移民的“净土”。在那里比较顽强地显露出移民独特的“个性”：其物质形态反映在居住建筑上,完全大异于其他地区的模式;精神形态则主要表现在会馆建筑上。“会馆建筑”作为各省移民同乡聚会之所,是洛带移民社会最具代表性的物质见证,也是背井离乡的客家人在新环境中的精神认同和归依。