Scharnhauser公园学校和体育馆,奥斯特菲尔登

这个综合学校包括一个主建筑,一个体育馆和各种户外设施,朝向一片处在前军事基地上的住宅开发区。整个主建筑沿纵向被一个由顶部采光的回廊从中间分开,由此可以进入两侧的教室,回廊局部变宽的部分构成一个公共空间。这个构想与将城市设计理论运用于建筑内部设计的概念相符合:街道、广场和建筑被看成了建筑内部空间部分。虽然这个建筑从外部看来是个大体块,但内部空间却设计流畅,通道有的通向楼层的各个角落,也有的依着倾斜的地势因势而建。由墙面反射的散射光线加强了内部空间的肃穆和厚重感。在具有宗教感的整体风格下,整个学校的设计和装饰也显得古香古色,如一部宽阔的观光楼梯、两个塔形和壁炉形的建筑构成元素等。不同历史风格建筑的叠加给这个校区带来一种复杂的味道,堪比阿尔多·罗西(Aldo Rossi)的设计或泰辛(Tessin)新理性主义的代表作。     

Establishing a System for Food Recalls to Protect Food Quality and Safety in China

There are no explicit laws concerning food recalls in China; moreover, some related regulations have weaknesses. China should first create a system of laws and regulations governing food recalls, establish a system to recall defective food, and strengthen administrative and legal remedial mechanisms related to consumer rights.     

基于内容图像检索中的优化鉴别特征

为了提高基于内容图像检索系统的检索速度和准确率,提出一种融合两类线性鉴别分析的方法来提取低维的优化鉴别特征.首先把多类问题转换为多个两类问题,对每个两类问题进行线性鉴别分析,得到鉴别向量;所有的鉴别向量组成鉴别变换矩阵,对图像特征进行投影变换得到鉴别特征;最后用变换后的鉴别特征进行图像检索或分类,得到准确率更高的结果.该方法中鉴别特征空间的维数与类别数相等.与多种特征优化方法进行比较的实验结果表明,采用文中方法可以显著地提高图像检索和图像分类的性能.     

基于神经网络的基坑紧邻环境多因素预测

随着高层建筑的增多与地下空间的大范围开发,基坑工程不断增加的深度与规模都对紧邻环境造成了巨大挑战,而有效预测能提前发现工程的安全隐患。为了预测深基坑工程开挖时地表沉降、地铁结构位移、坑外土体测斜三类紧邻环境的监测数据,同时降低数据在获取过程中受到的噪声影响,提出了小波分析－长短时记忆神经网络（ＷＡ-ＬＳＴＭ）模型。该模型使用排列熵算法选择最优预测天数,同时以皮尔逊相关性分析结果为依据选用不同的输入组合,考虑了输入项之间的相关性大小。实验使用上海徐家汇中心深基坑工程的监测数据进行验证,结果表明,ＷＡ-ＬＳＴＭ（双因素）模型对原数据的趋势性上还原程度较高,是一种高精度、高时效、更符合理论变化趋势的环境预测模型。     

基于ＢＰ神经网络的黄河内蒙古河段过流能力预测

黄河内蒙古河段过流能力是黄河上游水沙调控的重要影响因素,也是制约其自身健康发展以及沿岸社会发展需求的瓶颈。通过建立黄河内蒙古河段平滩流量ＢＰ神经网络模型,模拟平滩流量与来水来沙之间的非线性特征,并与滞后响应模型进行比较。结果表明,ＢＰ神经网络模型在考虑来水来沙条件累积作用的基础上,综合考虑了汛期和非汛期的来水来沙条件,数据拟合和预测方面达到较高的精度,综合评价的4个指标值均为最优,在模拟和预测黄河内蒙古河段平滩流量随来水来沙的调整过程中,具有较高的实用价值。