基于Unet++网络结构建筑物抗震能力评价研究

为了快速评价建筑物的抗震能力,本文基于Unet++网络结构,建立了抗震能力评价模型,主要功能包括特征图的跳跃连接、深度监督机制、信息输入与输出。完成理论建模后,将某城市的一个下辖区作为评价对象,收集谷歌影像信息,同时进行现场实测,经过预处理后形成2000组样本集,对模型进行训练。在考虑不同抗震因素的情况下,检测模型的评价效果,结果显示该模型的准确率和精确性均达到了较高的水平。建筑物的抗震能力分为3个级别,传统模式下通过现场实测评价其抗震能力,因此效率低。在人工智能时代,可将建筑物的影像信息、抗震特性作为主要的评价因素,利用神经网络和机器学习进行自动化评价,Unet++网络在该问题中有较大的应用潜力。

无人机高清影像数据在建筑物抗震能力调查中的应用

为了摸清唐山地区风险底数,加强抗震设防能力,快速掌握唐山地区农村民居抗震设防情况,以唐山市滦州市东安各庄镇北李各庄村采集的无人机高清影像数据为例开展预评估处置建议及三维建模分析等相关研究,获得数据为震后快速评估、应急处置建议及现场精准救援提供科学依据和技术支撑。

旋翼无人机在建筑物抗震能力调查中的应用

介绍旋翼无人机的工作原理和技术流程,以无人机在2016年云南重点监视防御区建筑物抗震能力调查中的应用为例,对其获取的12个调查点的房屋影像数据进行质量评价和照片拼接处理,并对产出的正射影像全景图和三维点云模型进行了对比分析。结果表明,旋翼无人机在云南山区具有明显优势,可作为一种快速获取影像数据的技术手段,为区域建筑物抗震能力评估提供有效的基础信息。

基于社区的特大城市建筑物抗震能力调查系统设计与实现——以北京市朝阳区为例

建筑物是地震灾害的主要承灾体,如何快速有效地调查每栋单体建筑的抗震性能,对于做好特大城市的防震减灾工作和韧性城市建设具有重要意义。设计实现了基于社区的特大城市建筑物抗震能力调查系统。给出了系统的功能需求分析、系统设计以及实现结果。系统提供了B/S架构和远程APP两种应用模式。基于该系统,北京市朝阳区的500多个社区共填报44000多条单体建筑物详细调查数据。相关调查数据在实际防震减灾工作中发挥了重要应用价值。