一种面向大规模建筑群能耗预测的BP神经网络模型配置方法

针对大规模建筑群的能耗预测问题,提出了一种基于BP神经网络的模型配置方法。该方法将复杂的建筑能耗预测相关的影响因素、参数、算法与建筑能耗实际预测功能进行解耦分离,实现任意预测模型的可配置化创建,有效地降低了建筑能耗预测系统的开发和维护成本,使得大规模建筑群的能耗预测系统易于实现。目前,可配置化的建筑能耗预测系统已被应用于多栋建筑的能耗预测,有效地降低了能源浪费。

超大规模建筑的数字视频监控系统建设

根据国家会展中心工程建设经验,分析了超大规模建筑的数字视频监控系统的安全需求,提出了511安全防护体系,据此对前端产品、网络架构和控制核心系统进行设计,并总结了工程实施经验,为类似的项目的建设提供参考。

超大规模群体建筑施工组织与管理技术研究

以南京紫金建邺科技创业特别社区一期工程为例,针对其超大规模群体建筑的特点,对参与施工的劳动力组织提出了各种设想与对比方案,并结合工程环境、技术、要求等诸多因素,对各施工阶段的施工组织进行设计与优化,最终确定最佳方案。经实践,达到了改善现场管理情况的目的。

大规模城市建筑物的一种混合LOD实时绘制算法

针对大规模城市建筑物绘制优化问题,提出一种新的混合LOD实时绘制算法。该算法将基于点、基于线和基于splatting多边形的绘制相结合,通过屏幕投影面积进行点、线或splatting多边形的LOD模型选择,从而绘制出大规模的城市建筑物。算法中,对于远距离视图,选择线图元构成的LOD模型;对于中等距离视图,则在远距离视图上适当添加点图元构成的LOD模型;对于近距离视图,则在前两者基础上使用splatting多边形,以此实现大规模城市建筑物的实时快速绘制。实验表明,在同等条件下,采用此算法和几何LOD算法,对相同城市建筑物复杂度进行绘制,在绘制效果近似的情况下,此算法提高近3倍速度。

基于BP神经网络的大规模建设项目投资估算方法

目前大规模建设项目投资估算方法的估算结果与实际结果误差较大,估算速率较低。针对此问题,文章引入BP神经网络研究了一种新的大规模建设项目投资估算方法,分析市场要求,建立指数指标矩阵,确定指标和投资之间的关联度,根据关联度计算结果,通过归一化处理得到非线性算子,在BP神经网络内部通过并行处理得到输出值和输出值阈值,通过逆向分析得到连接系数,确定误差数据节点,建立估算模型,通过多次筛选得到特征算子,完成信息提取,与阈值进行对比,判断估算结果的合理性。实验结果表明,基于BP神经网络的大规模建设项目投资估算方法采用并行计算,数据拟合度能够达到99%,与传统WSR投资估算方法相比,估算速率提高了30%以上,与BIM投资估算方法相比,估算速率提高了35%,更适合于实际应用。