关于建筑工程施工项目管理的综述

本文对施工项目管理概念、特点、施工项目管理的内容等方面作了探讨，供参考。     

改进 YOLO v7 算法下的监控水域环境人员识别研究

基于水域监控系统智能化的发展需求,提出了一种监控水域环境下人员识别算法。在水域场景数据采集、数据清洗与标记后,自主构建了一套监控水域场景下的人员类别数据集YZ-Water4,共8 092张图片和24 011个标签。基于目标检测算法YOLO v7的性能基础,针对水域场景特点,提出了适用于水域环境的目标检测算法YOLO-WA(you only look once-water area)。首先,使用更适合视觉任务的FReLU激活函数取代YOLO v7算法中激活函数;其次将注意力机制融合到算法网络骨架中,提升算法的特征提取能力;最后,选择SIOU损失函数替换YOLO v7算法中的CIOU损失函数以优化算法训练过程。实验结果表明,YOLO-WA与原算法相比,在水域人员类别数据集上识别精确率由82.3%提升到86.9%,召回率由92.0%提升到92.8%,平均精度从88.4%提高到90.6%,检测速度达到了85 fps,满足实时运行的精度与速度要求。     

基于离散相模型的相变微胶囊流体传热特性数值模拟

相变材料微胶囊悬浮液是将相变微胶囊颗粒添加至单相流体中形成的一种新型传热介质,由于传热系数高、传热储能一体化等优势,具备很大的发展潜力。采用离散相两相流模型,对恒热流水平圆管中相变微胶囊流体的传热特性进行了模拟计算,通过对比实验数据验证了模型的可靠性,进而定量分析了颗粒尺寸、质量分数、相变潜热,特别是颗粒分布对传热的影响。结果表明随着微胶囊颗粒质量分数增加,颗粒粒径减小,相变潜热增大,壁面传热效果越好,且相变潜热大小对壁温控制和壁面传热的影响大于颗粒质量分数和颗粒尺寸的影响。比较了离散相模型与常用的单相流模型的计算结果,发现质量分数越高,颗粒集聚程度越高,单相流模型计算的偏差越大。     

水泥尾矿砂混合料物理力学性质试验研究

为了研究水泥尾矿砂混合料直接修建尾矿坝的可能性和安全性，针对尾矿库现场尾矿砂含水量大、密度小处于软塑状态的特点。在室内对两种配合比水泥尾矿砂混合料不同龄期的压缩和固结特性、渗透特性、三轴剪切特性、无侧限抗压强度特性进行了试验。试验结果表明：尾矿砂中掺入一定量的水泥搅拌后，水泥在尾矿砂中的胶凝作用，加强了土颗粒的联结特性，降低了尾矿砂的压缩性和渗透性，提高了尾矿砂的抗剪能力、无侧限抗压强度。研究结果为采用水泥尾矿砂混合料直接筑坝提供了可靠的设计依据。     

水泥尾矿砂混合料物理力学性质试验研究

为了研究水泥尾矿砂混合料直接修建尾矿坝的可能性和安全性,针对尾矿库现场尾矿砂含水量大、密度小处于软塑状态的特点。在室内对两种配合比水泥尾矿砂混合料不同龄期的压缩和固结特性、渗透特性、三轴剪切特性、无侧限抗压强度特性进行了试验。试验结果表明:尾矿砂中掺入一定量的水泥搅拌后,水泥在尾矿砂中的胶凝作用,加强了土颗粒的联结特性,降低了尾矿砂的压缩性和渗透性,提高了尾矿砂的抗剪能力、无侧限抗压强度。研究结果为采用水泥尾矿砂混合料直接筑坝提供了可靠的设计依据。     

基于坡面排水设计的两种暴雨洪水算法应用

对于坡面长度小于1.5 km的坡面排水设计,工程中往往缺乏足够的水文信息和数据,其设计暴雨洪水计算参数的选择决定着设计暴雨洪水的可靠性。通过采用水科院推理公式法和林平一法相结合的方式对算例进行相互验证,针对两种算法中各参数的变化对计算成果的影响进行了分析,同时利用标准差对参数的灵敏度等进行了研究。结果表明:①两种算法具有相似性,共性的参数较多,采用两种算法相互验证小面积坡面设计暴雨洪水,可以提高计算成果的可信度;②两种算法中,参数■与流量正相关,参数L,μ,N_0与流量负相关;③水科院推理公式法各参数的灵敏度顺序为■;④林平一法各参数的灵敏度顺序为■;⑤对于一个确定的坡面长度小于1.5 km的坡面排水工程,设计暴雨洪水的计算成果主要受参数m值或N_0值的影响;⑥采用林平一法验证,可有效降低规范推荐的水科院推理公式法中汇流参数m取值的误差,使小面积坡面设计暴雨洪水的计算成果更符合客观实际。分析成果可为边坡排水设计提供支撑。     

基于无人船视觉的水域人员类别识别算法

针对水域环境下人员识别,提出了一种基于水面无人船(unmanned surface ship,USV)视觉传感器的水域人员类别识别 算法。 依照数据采集与模型更新流程,将采集到的视频数据进行数据清洗与标记后,创建人员类别数据集 39 959 张图片,7 个 类别;实践了基于深度学习方法下主流目标检测网络 YOLO v5,并针对水域环境场景特点,提出基于 YOLO v5 的人员类别识别 算法;将人员类别识别算法部署到边缘计算平台,实现算法在无人船上的实时应用。 算法在人员类别识别数据集上达到了平均 精度 86%,在无人船实测中实现了每秒处理 38 帧的人员类别识别实时性表现。     

面向水域人员的不安全行为识别算法与应用

为保障水域人员生命安全,针对水域环境人员不安全行为识别问题,提出一种基于Faster-RCNN+改进SlowFast的水域人员行为识别网络。主要工作包括以下几点：第一：根据采集的95段视频制作水域人员动作行为数据集,其中共有161 687张快通道帧,5 543张关键帧,共计标注框9 173个。第二：使用Faster-RCNN+SlowFast模块化设计对水域人员动作行为数据集进行目标定位及行为分析,其实验结果表现良好,可以识别水域人员位置及行为。第三：提出一种与时域压缩策略相结合方式的改进SlowFast网络,结果表明改进SlowFast网络模型识别准确率提高5.0%,推理速度得到约1.14倍提升,实验证明可有效帮助识别水域人员的行为识别问题。