某酒店建筑结构安全性鉴定分析

以北京某酒店工程为例,通过现场检测确定该建筑物结构工程相关设计参数,根据检测数据,对该建筑物结构承载力进行复核计算;并依据结构检测和计算结果,给出该建筑物结构安全性评级。     

基于粒子群算法的桁架结构优化

粒子群算法(PSO)是一种基于种群智能的优化算法。由于其具有快速收敛和操作简单等特点,粒子群算法在工程、经济管理等诸多领域均得到广泛应用,成为近年来智能计算领域研究的新热点。首先介绍粒子群算法,进而提出对于惯性权重进行线性变化。利用改进的粒子群算法对实际工程桁架结构进行尺寸优化以提高经济效益,并提出合理的参数设置。数据对比分析结果表明,改进的粒子群算法对于桁架结构尺寸优化设计是可行的。     

网格化空气质量监测仪中气体干扰模型的建立北大核心CSCD

网格化空气质量监测仪(简称微型站)利用内部集成的电化学气体传感器检测NO2、SO_(2)、CO和O_(3)等空气污染物,具有成本低、体积小等优点,但电化学传感器自身存在的气体交叉干扰问题极大地影响了监测结果的准确性。通过一元、多元线性和多元非线性回归分析的方法研究了微型站内的4种传感器的交叉干扰模型。结果表明:NO_(2)、CO传感器符合一元线性模型,拟合优度(R^(2)值)分别为0.9778和0.9898;而多元线性模型更适用于O_(3)和SO_(2)传感器,R^(2)值分别为0.9773和0.8901。在此基础上,通过进一步引入气体浓度交叉项进行优化,可以使SO2传感器的R2值提升至0.9294。气体交叉干扰模型的建立和优化有助于提高微型站对空气污染物的监测能力,同时为厂家设计和改良仪器提供参考。     

GA-BP模型在大气微站数据修正中的应用

针对大气微站中的电化学气体传感器选择性不足,容易受到非目标气体交叉干扰的问题,提出使用遗传算法(GA)优化的反向传播(BP)神经网络模型(GA-BP模型)对微站进行数据修正的方法。GA-BP模型在善于处理非线性黑箱问题的BP神经网络模型的基础上引入具有全局寻优能力的GA,通过GA对神经网络的初始参数进行优化,弥补了BP神经网络容易陷入局部极小值的缺陷,提升了模型整体的精度和稳定性。实验结果表明,经过GA-BP模型修正后的微站可以实现对混合气体中的NO₂、CO、O₃和SO₂的准确定量分析,4种气体浓度的计算值和实测值之间的拟合优度(R²)均超过了0.95,与一元、多元线性回归和传统的BP神经网络相比,修正效果优势明显。此外,GA-BP模型还具有良好的泛化能力,将未参与训练的微站数据带入其中,得到的4种气体浓度计算值和实测值之间的R²值也均在0.88以上,证明了本方法具有很好的适用性,可以为厂家提升设备性能以及使用者得到准确的空气污染物的浓度数据提供有益的参考。     

钢筋混凝土框架-剪力墙结构安全性鉴定实例分析

分析总结结构的安全性鉴定、可靠性鉴定、危险房屋鉴定和抗震性鉴定之间的相同点与不同点。并根据现场实际情况分析有关安全性鉴定的几个问题。     

中美FRP加固钢筋混凝土梁抗剪设计规范比较

纤维复合材(FRP)以其轻质、易安装、耐腐蚀等特点而倍受土木工程界的关注。根据美国ACI-440委员会编写的ACI 440.2R—08《FRP外黏加固混凝土结构设计与施工指南》,介绍了该指南中FRP加固混凝土梁斜截面抗剪承载力设计的适用范围和设计方法,并与我国GB 50367—2006《混凝土结构加固设计规范》中钢筋混凝土梁斜截面加固的计算方法进行对比分析,指出了两者在适用范围及设计方法上的异同点,为该方法的推广应用提供了参考。