基于深度学习的道路自动化监测系统及其应用研究

在道路施工监测中,传统的监测方法效率低,无法实时连续准确地预测土体变形。提出一种集成人工智能技术的道路自动化监测系统,该系统由实时物联网系统和数据处理系统组成。实时物联网系统包括双压力传感器埋入式沉降仪、数据采集系统和网络传输系统;数据处理系统则利用深度学习算法对实测数据进行训练,实现土体变形的预测。介绍了该监测系统的构成和工作原理,通过现场试验对该监测系统进行验证,将双压力传感器埋入式沉降仪的数据与沉降板的数据进行对比分析,结果显示两者之间的误差仅为6.7%,表明自动化监测仪器在道路施工监测中具有高精度。同时,现场试验结果还证明了基于深度学习算法的变形预测方法能够准确地对道路施工过程中的土体变形进行预测,其预测最大误差仅为5.3%。

以扬州园林古建筑为例分析木结构加固的方法

扬州的园林建筑是我国古建筑的重要组成部分,其木结构具有重要的研究价值。历经千百年的岁月洗礼,越来越多古建筑木结构出现腐朽破损,甚至面临倒塌的风险。通过对扬州园林木结构腐朽破损情况详细调查,以及对木结构传统及新型纤维增强型复合材料加固方法进行分析,提出木结构加固的基础模型,为扬州园林木结构的修缮加固提供一些基础的研究材料,以更好的修缮扬州园林古建筑,并将扬州的园林建筑文化传承下去。