春风化雨细润无声——莫天伟教授之建筑教育观念

文章回顾了2010年建筑教育奖获得者、同济大学建筑与城市规划学院莫天伟教授的教学经历,简要介绍了其主要学术思想、研究领域,特别是他在建筑设计基础教学中的教学理念和教育方法以及在建筑教育中倡导的感知生活、强调社会责任和重视实践教学的教育思想.     

中心岛做法在太古汇大型基坑中的应用

根据某大型基坑的总体概况及工程特点,决定采用中心岛做法,就基坑中心岛部分的施工流程和放坡开挖及主体结构回筑注意事项作了探讨,实测结果表明：中心岛做法大大增加了施工空间,同时既节约了成本又缩短了工期。     

基于递归神经网络的基坑工程变形多步预测方法研究

针对深基坑系统的复杂的非线性及基坑工程变形多步预测的重要性 ,将人工神经网络技术引入其中。分析了用BP网络进行多步预测时存在的不足 ,提出了基于递归神经网络的基坑工程变形多步预测模型。通过一软土深基坑工程变形多步预测实例的分析 ,论证了递归神经网络用于基坑工程变形多步预测的可靠性和实用性。该方法有效可行 ,在其他领域的多步预测中同样具有广阔的应用前景。     

120°角三重管高压摆喷桩施工技术

用摆喷角为120°的三重管高压摆喷桩作桩间止水在广州地铁2号线琶赤段明挖法施工中得到了广泛的应用。本文对三重管摆喷桩施工技术进行了总结,并针对琶赤段的地质情况,提出了相关的施工参数值。     

基于改进遗传算法的动态水权效益模型研究

通过分析动态水权的基本特点、水市场参与者利益组成,运用博弈理论建立水市场参与者效益模型,并运用遗传算法实现了模型优化求解,探讨动态因素影响下水市场参与者及区域的效益最优问题.经实例验证,枯水期靖边县、米脂县成为用水户,榆阳区、横山县、绥德县为转让户,转让户产生最大效益为12.3万元,而用水户及时弥补了自身用水的不足,产生效益为10.1万元,区域总的效益达到22.4万元.该模型能实现动态因素影响下的转让户、用水户及其区域内社会总效益的最大化,为实现区域水资源的优化配置提供了重要方法.     

一种抵抗几何攻击的视频低维流形双水印方法

提出了一种能够有效抵抗几何攻击的视频双水印方法,挖掘了一种几何形变不变量-视频低维流形,理论推导和实验验证了其几何不变性.首先根据不同视频镜头的低维流形实时生成零水印及动态水印;为了兼顾鲁棒性和透明性,将水印嵌入在大能量AVS预测残差DCT中频系数上;深入研究了视频时空三维特性,利用低维流形有效量化表征了视频运动信息,建立了包含运动特征、亮度特征及纹理特征的视觉动态掩蔽模型,以自适应控制水印嵌入强度.实验结果表明,该方法可以有效抵抗中心裁剪、不规则裁剪、行裁剪、旋转、缩放和平移等大强度几何攻击及其联合攻击,如旋转加边角裁剪、中心裁剪加旋转等,对于常规信号处理及多种视频水印攻击也具有强鲁棒性.     

水力除渣煤粉锅炉炉内结渣诊断及燃烧优化

锅炉炉内结渣所带来的危害较大,如何准确获得炉内的结渣位置,对指导燃烧调整,减弱炉内结渣,避免锅炉掉大渣具有重要意义。通过在某热电厂水冷式除渣煤粉锅炉炉底捞渣机水池布置温度矩阵测点,连续监测低负荷运行下炉底捞渣机水池温度的变化,据此诊断煤粉锅炉炉内结渣情况。结果表明:大块渣落入冷渣池会引起捞渣池出水口水温跃升,随后缓慢下降,对应的距离渣块落入冷渣水的位置越近,该测点的平均温升及温升最大值就越大;对比前、后墙侧各测点温度的变化特征,能够反映落渣的位置,再结合吹灰器的投运可以确定落渣的大致高度;在明确落渣位置后,可通过优化锅炉的运行参数,以减少落渣量,避免炉内落大渣。     

基于遗传-神经网络的深基坑变形实时预报方法研究

根据深基坑变形的基本特征，运用遗传-神经网络建立了深基坑变形的实时预报模型，并对刘屋洲泵站深基坑变形进行了建模预报，预报值与实测值基本吻合，预测精度高，证明该方法用于深基坑变形实时预报的有效性和实用性。     

灰色理论在加筋土挡墙沉降预测中的应用

将灰色理论中的GM(1,1)灰预测模型运用于加筋土挡墙的沉降预测中,充分利用GM模型建模方便、预测精度高的特点,与现场监测数据进行对比分析,说明此理论与模型在加筋土挡墙的沉降监测中具有实用价值。