一种基于LC-BoVW模型的建筑垃圾物料识别算法

针对建筑垃圾物料的种类多、形貌易混淆等问题,构建了一种基于局部约束的视觉词袋(local constraint-bag of visual words,LC-BoVW)模型的建筑垃圾物料识别算法。首先,对建筑垃圾物料图像分块,分别提取局部颜色特征和局部二值模式特征;考虑到图像分块特征的局部相似特性,构建LC-BoVW模型分别对目标图像的显著特征进行统计。然后,基于信息融合思想对特征统计量进行融合,形成图像的判别性特征并输入到分类器中进行物料的精确识别。最后,利用自建的5类建筑垃圾物料图像数据集进行实验,实验结果表明,所提算法能够快速有效地实现建筑垃圾物料识别,平均识别准确率可达到97.92%。

基于AHP-GIS的建筑垃圾逆向物流产业园选址研究

各类新旧建筑在建造和拆除过程中会产生大量建筑垃圾,从而给建筑垃圾的管理带来巨大压力。为了有效管理建筑垃圾和实现建筑垃圾逆向物流的系统化、规模化、高效化,运用系统动力学理论与方法,构建了建筑垃圾逆向物流SD模型,并对建筑垃圾逆向物流综合效益进行了分析。结合产业园选址要求,从经济、环境、社会3个维度,选取10个影响因素,构建了建筑垃圾逆向物流产业园综合效益选址指标体系。通过AHP确定指标权重,并运用ArcGIS软件对指标图层进行叠加,从而实现建筑垃圾逆向物流产业园的选址。以西安市为例,利用ArcGIS软件中欧氏距离分析、重分类分析和栅格计算器等功能模块分析了各指标的适宜性,得到了西安市建筑垃圾逆向物流产业园的最佳选址区域,验证了模型的可行性。该选址方法可为国内其他城市的相关规划提供参考。

建筑垃圾再生材料在道路工程中应用研究

随着城市化进程的加快和建筑业的快速发展,建筑垃圾产生量不断增加,给环境带来了严重的污染和资源浪费问题。传统的建筑垃圾处理方式主要是填埋和焚烧,但这些方式存在着环境污染和资源浪费的问题。因此,寻找一种可持续利用建筑垃圾的方法变得迫切。本研究旨在探索建筑垃圾再生材料在道路工程中的应用及其经济和环境效益,并探讨当前面临的挑战和未来的发展方向。

砂质土与建筑垃圾制备可控性低强度材料

利用砂质土与建筑垃圾细骨料复掺制备可控性低强度材料(CLSM),研究了砂质土与建筑垃圾细骨料不同质量比下CLSM的流动度、泌水率、凝结时间和抗压强度的变化规律,并通过XRD和SEM探究物相组成和微观形貌。结果表明,随着砂质土与建筑垃圾细骨料质量比的降低,CLSM的泌水率及流动度减小、凝结时间缩短、抗压强度提高。利用砂质土与建筑垃圾细骨料复掺解决了泌水率高的问题,且当两者质量比为1∶1时,流动度、泌水率、凝结时间和抗压强度符合市政管道回填施工要求。

基于GRU神经网络的城市建筑垃圾产量预测

针对具有时间序列特征的城市建筑垃圾产量预测精度低的问题,提出了一种基于门控循环单元(GRU)神经网络的预测模型。首先,根据《河南统计年鉴》收集了2002-2022年郑州市建筑垃圾产量和相关影响因素数据并进行相关性分析。然后,构建GRU神经网络预测模型,划分训练集与验证集,确定隐藏层神经元个数,同时采用自适应矩估计(Adam)算法更新梯度。最后,引入循环神经网络(RNN)和长短期记忆网络(LSTM)模型进行比较,选择绝对误差(MAE)、百分比误差(MAPE)以及相关系数(R^(2))验证模型性能。结果表明,GRU模型的预测结果更接近真实值,且具有更强的线性相关性。此外,利用该模型对2023-2027年郑州市建筑垃圾产量进行预测,结果显示到2027年建筑垃圾将达到8675.84万t。

建筑垃圾资源化利用现状及对策

以建筑垃圾治理试点城市为研究对象,聚焦建筑垃圾资源化利用实践现状与问题。结合全生命周期理论与利益相关者理论,分析了当前我国建筑垃圾资源化利用各阶段所存问题,重点指出了收运和处置过程中分别存在监管不严、工艺落后等问题。针对性地提出了构建建筑垃圾全程分类体系、多主体协同治理、推动再生产品应用、提升数字监管等对策建议。通过系统化研究我国建筑垃圾资源化利用先行地区实践现状及对策,为全国其他城市建筑垃圾治理工作规划和“无废城市”建设提供有益启示。

安徽地区建筑垃圾资源化利用路径与处置工艺设计探讨

城市拆旧建新的过程会产生大量的建筑垃圾,如果不能及时、妥善地处理这些垃圾,不仅占用土地、污染环境,还会引发诸多社会问题。基于对安徽地区建筑垃圾资源化处置现状实地调研,发现现有的技术方案存在垃圾种类混杂、难以共线生产等问题。针对此,提出了三位一体建筑垃圾处理方案,并构建了建筑垃圾全链条管理服务平台的全新策略;同时,探讨了高品质再生骨料生产过程中的分选与提纯新工艺,推广了再生环保仿石砖生产新技术,为安徽地区乃至全国范围的建筑垃圾资源化利用和无害化处置提供可行的技术支持和决策参考。

绿色建筑理念下建筑垃圾制备再生骨料的工艺研究

将建筑垃圾高效转化为再生骨料,是实现建筑材料循环利用的关键。基于此,围绕建筑垃圾制备再生骨料的原理、关键技术及工艺的预处理、初级处理、二级处理、深度处理和后处理阶段进行了深入探讨,提出了一套系统的处理流程。

建筑垃圾应用于城市路堤的可行性及力学性能分析

近年来,我国建筑废料和拆建废物(拆建废物)的产量大大增加,已成为世界性问题。文章基于某市东部的三环公路建设项目,评估将回收的拆建废料中的骨料用于城市路堤的可行性。进行现场压实测试,以确定建筑垃圾的物理性质和工程特性。使用无侧限抗压强度,CBR对建筑垃圾力学性能进行测试。结果表明,建筑垃圾经简单处理后具有高强度和显著稳定性等特点,且力学试验表明使用这些材料铺设城市道路路堤是可行的。本研究对合理有效地推广建筑垃圾再生材料在道路路基中的应用具有一定的参考价值。

建筑垃圾分离渣土热活化研究及其在盾构注浆料中的应用

成分复杂、火山灰活性低是制约建筑垃圾分离渣土资源化利用的主要原因。研究了建筑垃圾分离渣土的热活化处理及其在盾构注浆料中的应用。结果表明:未经处理的建筑垃圾分离渣土主要由惰性水化产物、石英或方解石组成,经过热活化处理后,建筑垃圾分离渣土中形成了新的活性组分,部分取代粉煤灰和天然细砂后能够促进水泥基胶凝材料体系的水化反应。考虑活性激活效果和经济性,热活化温度500~800℃为宜。使用热活化温度为500℃的建筑垃圾分离渣土制备的盾构注浆料性能符合DB11/T 1608—2018的要求。

利用形态学算法进行面向对象的建筑垃圾多特征遥感识别

建筑垃圾的长期堆积和不科学管理,将引发各种生态和社会问题,进而严重影响城市的绿色可持续发展。在固体废弃物信息识别研究中,因未顾及建筑物与建筑垃圾之间纹理特征的差异,在分类过程中会出现两者混淆现象。针对此问题,数学形态学算法能够突出建筑垃圾灰度强度特征,进而结合各类地物在形态、光谱、几何和纹理等特征差异,实现面向对象多特征的建筑垃圾信息提取。以北京房山区保合庄为例,采用WorldView-2遥感影像开展研究,通过建立混淆矩阵和可分离性评价指标,对建筑垃圾识别结果进行精度评估,总体精度OA达到96.6%,可准确分离建筑垃圾与建筑物,两者分离性为1.000,结果表明该方法能够有效解决建筑垃圾与建筑物混淆问题,在建筑垃圾信息提取方面具有可靠的适用性。

机器学习在建筑垃圾处理领域的应用与现状

建筑垃圾产生量巨大,成分复杂,如果不能妥善处理,其中的沥青、石膏、重金属、油漆等物质会与周围空气、土壤、水体反应并产生有害物质,严重危害人类的生存环境。我国“无废城市”的建设要求明确提出要建设固体废物综合管理体系以提升废弃物的资源利用率的策略。建筑垃圾作为我国体量最大的城市固体废物,已成为被重点关注的对象,实现建筑垃圾资源化利用迫在眉睫。传统的建筑垃圾资源化处置通过人工、机械将建筑垃圾分类后再对建筑垃圾进行资源化利用,过程中存在管理难度大、效率低、成本过高等问题。机器学习作为人工智能的核心,已经逐渐应用到建筑垃圾处理的各个环节中,能有效提高建筑垃圾的资源化利用率。对建筑垃圾和机器学习的基本情况进行描述,介绍了建筑垃圾处理的过程,对机器学习在建筑垃圾处理领域的研究进展进行综述。最后结合我国国情,针对建筑垃圾处理领域提出几点建议,以期为实现建筑垃圾处理领域的自动化、智能化提供参考。

建筑垃圾再生集料在平益高速公路底基层中的应用

对建筑垃圾再生集料在平益高速公路底基层中的应用进行了研究。试验对比了建筑垃圾再生集料和天然集料的基本性能,进行了水泥稳定再生集料混合料配合比设计试验和疲劳性能试验,分析了再生集料用于公路工程的经济效益和降碳效益。结果表明,再生集料的压碎值和吸水率较大,掺入30%天然集料后可用于平益高速公路底基层;70%再生集料掺量的混合料最小水泥用量为4.0%,最大干密度和最佳含水率分别为2.033 g/cm 3和9.1%;再生集料的加入能改善混合料的疲劳性能,从而提升底基层耐久性;建筑垃圾再生集料在平益高速公路中的应用具有显著的经济效益、降碳效益和环境效益。

掺建筑垃圾水泥稳定碎石力学强度增长规律与预测模型

本文研究了建筑垃圾再生集料掺量对水泥稳定碎石(CSM)力学强度的影响,以强度最高或掺量最大为原则提出了再生集料最佳掺量和配比,并在最优掺量下研究了再生集料水泥稳定碎石(CSMRA)的力学强度增长规律,提出了CSRA力学强度的预测模型,并进行了可靠性验证。结果表明:CSRA抗压强度随再生细集料掺量增加先增大后减小,随再生粗集料掺量增加而降低,再生集料最大掺量为70%(质量分数);所建立的力学强度增长方程和预测模型的相关系数均大于0.98,预测值与实测值误差不大于14.0%,表明在确定水泥掺量、集料类型、矿料配比及7 d强度后,该模型可准确预测CSRA在其他养生龄期时的力学强度。

基于多特征组合的建筑垃圾分类方法

城市的快速发展产生大量建筑垃圾,引发了城市污染,产生“垃圾围城”现象。本文以北京市某区域为研究区域,研究多特征组合方法对高光谱影像的建筑垃圾分类精度的作用,并利用ASD QualitySpecTrek手持式光谱仪实地测量的光谱数据和珠海一号高光谱影像进行建筑垃圾分类试验;提取了光谱特征、植被指数、水体指数和纹理特征等90种特征变量,利用平均不纯度减少的方法对其进行特征重要性排序,选取其中重要性综合结果相对较高的特征变量构成分类多特征组合向量,利用随机森林算法对多特征组合向量进行建筑垃圾分类。试验结果表明,采用多特征组合的随机森林分类方法比传统的随机森林方法效果更好,总体分类精度达85.86%,Kappa系数为0.80,而原始的随机森林方法总体分类精度仅有83.48%,Kappa系数为0.75,这表明了多特征组合随机森林算法的有效性。

建筑垃圾资源化利用及其生命周期评价的研究进展

从中国知网(CNKI)与Web of Science数据库中检索国内外关于建筑垃圾资源化利用及其生命周期评价(LCA)的相关文献,系统归纳了国内外建筑垃圾分类和资源化利用技术现状,并对LCA方法及相关模型在建筑垃圾资源化利用中的研究进展及应用情况进行了综述。结果表明,LCA方法是量化建筑垃圾管理体系环境效应的重要方法之一,能够科学评估建筑垃圾资源化利用的能源消耗、环境排放以及再生循环产品效益等,是建筑垃圾可持续管理和“无废城市”建设的重要基础。中国在建筑垃圾资源化利用、LCA模型开发及与其他研究方法集成方面还需继续探索,在建筑垃圾源头减量和建筑垃圾回收体系建立等方面仍面临巨大挑战。

改进YOLOv7网络在遥感影像建筑垃圾识别的应用

针对现有的目标检测算法对于高分遥感影像建筑垃圾识别效率不高的问题,提出一种基于改进的YOLOv7的目标检测模型,提高建筑垃圾的检测效果。该方法使用高分二号卫星影像数据,首先用SIoU来优化模型的目标框回归,加快模型的收敛速度;然后用漏斗激活函数FReLU扩大卷积层的感受野范围,以提高模型的特征提取能力;最后使用深度可分离卷积核,在提高检测精度的同时也减小了模型的参数量。实验结果表明,改进后的YOLOv7模型相比其他模型平均精度、准确率和召回率分别提升了5.8%、6.4%和8%,具有较好的识别效果,为遥感影像建筑垃圾识别提供了可靠的方法。

基于施工全过程的地铁建筑垃圾产生特征及产量预测

为实现地铁建设可持续发展,准确预测和控制建筑垃圾产生量至关重要。以昆明市地铁工程为对象,经调研和施工进度跟踪,识别不同阶段建筑垃圾产生的来源和种类,并分析主要建筑垃圾的产量影响因素。采用面积估算法估计2009-2021年昆明市地铁建筑垃圾产量最大的工程渣土,并利用灰色预测模型对2022-2033年工程渣土产量进行预测。结果表明,未来十年工程渣土预计达11748万方,且该模型精度高,有助于科学制定管理策略。

建筑垃圾减量化资源化的策略与措施

建筑垃圾主要产生于建筑物施工、旧建筑修缮以及装饰装修阶段,是城市垃圾的主要来源。建筑垃圾不仅影响城市的市容、市貌,造成城市环境污染问题,更影响人们的生活秩序及身体健康。2020年9月我国提出2030年“碳达峰”与2060年“碳中和”目标,如何提高建筑垃圾资源化利用率并使其转化为新质生产力已成为亟待解决的问题。建筑垃圾减量化资源化利用对实现“双碳”目标,建设海绵城市,发展新质生产力,具有十分重大的意义。

建筑垃圾资源化利用的研究与探讨

随着城镇化的不断扩张,随之而来衍生的建筑垃圾大幅度增长,将造成环境污染和社会问题的不断增多,建筑垃圾资源化利用已成为社会的焦点。从我国建筑垃圾的现状、建筑垃圾资源化利用研究的意义、国内外对建筑垃圾资源化利用研究的现状进行分析,并对提高我国建筑垃圾资源化利用率提出合理建议。