約束滿足網(wǎng)絡建筑物陰影結構提取

首先對上海市中心城區(qū)遙感影像建庫,把眾多的遙感影像數(shù)據(jù)組織起來,以方便管理和使用.在此基礎上,利用gis和rs技術,對遙感數(shù)據(jù)解譯處理,提取建筑物陰影信息,從而為估算建筑物高度值作準備.

航空影像中,垂直邊緣對建筑物提取具有重要意義。為快速準確地提取垂直邊緣,依據(jù)航空攝影測量學的有關知識,利用攝影測量成像模型推導出垂直邊緣滅點位置,并結合物方空間幾何約束和圖像空間邊緣信息,采用一種自適應模糊hough變換算法,實現(xiàn)了建筑物垂直邊緣的自動提取。實驗證明,該算法是行之有效的。

建筑節(jié)能是當今城市建設和社會發(fā)展的前沿和研究熱點,對建筑的能耗現(xiàn)狀進行綜合分析與評估是進行節(jié)能改造或節(jié)能設計的前提和基礎,而建立反映能耗變化的預測模型是從宏觀尺度上分析認識建筑能耗變化與發(fā)展特性、為公共建筑節(jié)能工作提供決策依據(jù)的有效途徑和重要手段。研究針對常規(guī)bp網(wǎng)絡算法收斂速度慢、易陷入局部最小點的缺點,采用了具有較快收斂速度及穩(wěn)定性的lm算法進行預測,構造了基于bp神經(jīng)網(wǎng)絡的建筑物用電量預測模型。以某市公共建筑原始用電能耗統(tǒng)計數(shù)據(jù)作為樣本,并采用matlab對預測模型進行了仿真預測。結果顯示:誤差在允許范圍內(nèi)。

根據(jù)建筑物實測沉降利用人工神經(jīng)網(wǎng)絡理論,建立了前饋網(wǎng)絡預測模型并提出新的學習算法,結合某建筑物糾偏工程實例對建筑物沉降進行了預測.預測結果表明神經(jīng)網(wǎng)絡方法是可行且有效的.

建筑物沉降的誘因與沉降量之間有一個復雜的非線性相關性,應用回歸法對這種復雜的相關性進行分析有較大的局限性。人工神經(jīng)網(wǎng)絡是由許多神經(jīng)元組成的大規(guī)模非線性系統(tǒng),具有較強的動態(tài)處理能力,能對簡單的非線性函數(shù)進行多次復合,來實現(xiàn)一個復雜的非線性函數(shù)。神經(jīng)網(wǎng)絡這些特性滿足建筑物沉降分析的需求。實例表明,應用神經(jīng)網(wǎng)絡bp算法可以對建筑物沉降原因進行更客觀的分析,對沉降趨勢預測效果也較好。

在我們應用回歸方法對建筑物沉降原因分析及沉降趨勢的預測中,由于實際情況的復雜性及主觀認識的局限性,這樣所得的結果含有較多的人為因素,可能會與實際情況有所差異。針對這種情況,討論了應用神經(jīng)網(wǎng)絡方法來發(fā)現(xiàn)和驗證引起建筑物沉降的因素及對沉降趨勢的預測。實例表明,該方法能取得較好的效果。

為解決建筑物基礎沉降量的安全監(jiān)測問題,對其進行有效的預測、校核與分析,運用matlab軟件建立徑向基神經(jīng)網(wǎng)絡模型對某市建筑物的基礎沉降量進行預測.結果表明:徑向基神經(jīng)網(wǎng)絡的結構形式簡易,適應能力更強,預測誤差比bp網(wǎng)絡小,平均約為66.83%,達到預測精準度所需的耗時短、收斂速度更快.徑向基神經(jīng)網(wǎng)絡的預測結果與實測結果較為吻合,表明徑向基神經(jīng)網(wǎng)絡預測模型適用于建筑工程沉降預測領域之中.

提出基于人工神經(jīng)網(wǎng)絡的基礎最終沉降的預測新方法,通過工程實例應用,在較短的實測資料情況下,可獲得較小誤差的最終沉降量,所建立的模型預測精度高。

將粗糙粗集理論和神經(jīng)網(wǎng)絡原理結合起來,建立了基于粗集-神經(jīng)網(wǎng)絡的建筑物震害預測模型。首先運用粗糙集理論,根據(jù)原始樣本建立決策表進行屬性離散化、屬性重要性排序、屬性約簡和分類規(guī)則的提取;然后將所提取的關鍵成分作為神經(jīng)網(wǎng)絡的輸入訓練模型。實例研究表明,基于粗集-神經(jīng)網(wǎng)絡的多層磚房震害預測結果與實際震害基本吻合。該模型簡化了神經(jīng)網(wǎng)絡結構,提高了訓練速度和分類精度,還能對各因素對房屋震害的影響度進行分析。

介紹了基于matlab的徑向基函數(shù)rbf神經(jīng)網(wǎng)絡對于建筑物沉降預測的方法,討論了rbf神經(jīng)網(wǎng)絡的構造思路、參數(shù)和分布密度spread的選擇。為建筑物變形監(jiān)測人員的數(shù)據(jù)分析、變形預測提供了一個可行的概念。

為探索人工神經(jīng)網(wǎng)絡用于建筑物變形預報的可能性，采用ｂｐ網(wǎng)絡代替?zhèn)鹘y(tǒng)的回歸分析方法，處理變形觀測數(shù)據(jù)。結果表明，當影響建筑變形的因素較多，且各因素間存在非線性關系或關系不確定時，加歸分析預報的結果存在較大偏差，ｂｐ網(wǎng)絡有助于提高建筑物變形預報的精度。

基于人工神經(jīng)網(wǎng)絡強大的動態(tài)數(shù)據(jù)處理能力和學習能力，本文對應用bp神經(jīng)網(wǎng)進行建筑物沉降預測的方法進行了初步探討，并通過實例分析了該方法的可行性和實用性。

提出了根據(jù)實測數(shù)據(jù)構造神經(jīng)網(wǎng)絡變形預測模型的基本思路,構造出基于bp算法的神經(jīng)網(wǎng)絡變形預測模型,并給出應用實例分析。結果表明,神經(jīng)網(wǎng)絡應用于變形預測效果良好,具有一定參考價值和指導意義。

針對建筑物陰影提取受同物異譜和異物同譜特點的噪聲干擾較大這一問題；提出一種結合幾何特征和語義特征約束條件去噪的城市規(guī)則建筑物陰影提取方法；首先；針對陰影在his色彩模型中低亮度、高色調(diào)和高飽和度的特性；采用歸一化陰影指數(shù)進行初步陰影檢測；并與經(jīng)過過綠指數(shù)變換后的圖像做差值運算去除偏藍色地物的干擾；然后根據(jù)建筑物陰影特征采用4種幾何指數(shù)和陰影方向進行去噪處理；分別選取高分辨率衛(wèi)星影像和航空影像進行實驗；結果表明；該方法對于城市規(guī)則建筑物陰影提取具有較高的精度；并且結果邊界完整；無破碎圖斑；

高分辨率多光譜遙感影像中的建筑物陰影具有重要作用。針對檢測到的建筑物陰影經(jīng)常受高大樹木陰影影響的問題,在可分離亮度的lab顏色空間建立樹木顏色模型,使用查表法準確檢測遙感影像中的樹木區(qū)域。提出根據(jù)樹木區(qū)域和光照方向去除建筑物陰影中樹木陰影的方法,通過實驗證明其有效性。

采用comgis(組件式地理信息系統(tǒng))技術開發(fā)了結合專業(yè)震害分析模型的建筑物震害評估系統(tǒng),討論了基于bp人工神經(jīng)網(wǎng)絡和gis耦合模型的多層磚房震害預測.研究表明:水平成層土地震反應分析程序shake91在vb菜單下可直接調(diào)用,實現(xiàn)地震動影響場計算的模塊化;bp神經(jīng)網(wǎng)絡應用于建筑物震害預測中,能達到較理想的效果,其計算模型在系統(tǒng)菜單下可直接調(diào)用;系統(tǒng)的gis空間分析功能可使震害預測結果與建筑物信息進行空間匹配,實現(xiàn)地震災害損失快速評估.

介紹了rbf神經(jīng)網(wǎng)絡的模型和結構,提出將該網(wǎng)絡應用于建筑物沉降預測。運用matlab工具箱函數(shù)建立了沉降預測網(wǎng)絡模型,編制了計算程序,通過工程實例驗證了該模型的正確性和可行性,并和bp神經(jīng)網(wǎng)絡在收斂速度上進行了比較,結果表明rbf神經(jīng)網(wǎng)絡的收斂速度遠遠快于bp網(wǎng)絡。

在分析了現(xiàn)有建筑物陰影識別提取方法不足的基礎上，介紹了利用約束滿足網(wǎng)絡提取黑白城區(qū)航空影像中建筑物陰影結構的原理及方法，實驗表明，文中所述的方法是穩(wěn)健的。

1/9 智能化建筑物網(wǎng)絡工程設計方案 一、設計依據(jù)和設計要求 1、設計依據(jù) （1）智能化建筑概況 建筑規(guī)模為地上20層，地下4層，共計24層，地上5層以上為標準層。工程設 計范圍主要是高層的主樓建筑，總計建筑面積約五萬多平方米。 （2）通信信息種類和數(shù)量 該智能化建筑的信息種類主要是話音和計算機數(shù)據(jù)，根據(jù)用戶提供的各個樓層所 需的話音和計算機數(shù)據(jù)的信息點數(shù)量和分布如表1所列，話音信息點為1260個， 計算機數(shù)據(jù)信息點為629個。 （3）機房位置設置 根據(jù)用戶使用需要和設備配置等要求，在智能化建筑設計中已將用戶電話交換機 房和計算機主機房的位置，分別確定在5層和7層。 （4）配線架和纜線的設計 為了便于使用管理和維護檢修，根據(jù)用戶要求每個樓層均需設置配線架，用戶電 話交換機機房設置總配線架。 2、設計標準 根據(jù)國內(nèi)通信行業(yè)標準《大樓通信綜合布線系統(tǒng)》（yd

隨著我國經(jīng)濟建設的不斷發(fā)展,多層建筑物已經(jīng)被高層和超高層建筑所替代。高層建筑物對單元地面所產(chǎn)生的壓力驟然增加,建筑物自身所存在的荷載相應增加。本文主要利用數(shù)字水準儀對高層建筑h樓進行沉降觀測,設置15個周期,主體施工階段每2層觀測一期數(shù)據(jù),封頂之后觀測了5期數(shù)據(jù)。取3個點作為實驗分析數(shù)據(jù),得出了沉降變化曲線。利用bp神經(jīng)網(wǎng)絡、改進bp神經(jīng)網(wǎng)絡,對沉降數(shù)據(jù)進行預測,取期間的沉降數(shù)據(jù)和期間累計沉降數(shù)據(jù)作為訓練樣本,根據(jù)兩個沉降數(shù)據(jù)預測值的大小,選擇合適的訓練樣本,提高預測精度。

用vb編制了人工神經(jīng)網(wǎng)絡的通用bp算法程序。根據(jù)西安參考年氣象參數(shù),采用動態(tài)模擬程序計算了某辦公樓4月至9月逐時冷負荷,結果顯示利用神經(jīng)網(wǎng)絡的預測值與計算值吻合。

介紹灰色神經(jīng)網(wǎng)絡模型的建模原理和方法,并采用該模型對實際的監(jiān)測數(shù)據(jù)進行處理和分析。結果表明,灰色神經(jīng)網(wǎng)絡模型能夠在小樣本、貧信息和波動數(shù)據(jù)序列等情況下對變形監(jiān)測數(shù)據(jù)做出比較準確的模擬和預報,從而能夠為變形監(jiān)測的數(shù)據(jù)處理提供一種較好的方法,能夠滿足實際應用的需求。