北京市GIS地图：内涵北京路网shp文件，POI兴趣点，建筑物shp文件

为了进一步提升建筑物遥感图像分割的准确性和运算速度，本文提出了基于混沌布谷鸟优化的二维 Tsallis交叉熵的建筑物遥感图像分割方法。首先给出了二维 Tsallis交叉熵的阈值选取公式，然后将 Logistic混沌映射引入布谷鸟算法，进一步加快布谷鸟算法的收敛速度，最后通过该混沌布谷鸟算法优化基于二维 Tsallis交叉熵的阈值寻找过程，并以得到的最优阈值分割建筑物遥感图像。大量实验结果表明，与二维倒数交叉熵法、二维 Tsallis熵法、基于混沌粒子群优化的二维 Tsallis灰度熵法等方法相比较，本文方法分割的目标更为准确，细节更为清晰，且运算时间更短。

ASCE7-10-建筑物和其他结构最小设计荷载-中文版.pdf

武汉建筑物轮廓

建筑节能是当今城市建设和社会发展的前沿和研究热点,对建筑的能耗现状进行综合分析与评估是进行节能改造或节能设计的前提和基础,而建立反映能耗变化的预测模型是从宏观尺度上分析认识建筑能耗变化与发展特性、为公共建筑节能工作提供决策依据的有效途径和重要手段。研究针对常规BP网络算法收敛速度慢、易陷入局部最小点的缺点,采用了具有较快收敛速度及稳定性的LM算法进行预测,构造了基于BP神经网络的建筑物用电量预测模型。以某市公共建筑原始用电能耗统计数据作为样本,并采用MATLAB对预测模型进行了仿真预测。结果显示:误差在允

一个完整端到端的机器学习项目__预测建筑物的能源得分(完整分步实现源码+数据集+项目介绍).zip 【项目介绍】 这是一个受监督的回归机器学习任务：给定一组包含目标（在本例中为分数）的数据，我们希望训练一个可以学习将特征（也称为解释变量）映射到目标的模型。 受监督问题： 我们可以知道数据的特征和目标，我们的目标是训练可以学习两者之间映射关系的模型。 回归问题： Energy Star Score是一个连续变量。 在训练中，我们希望模型能够学习特征和分数之间的关系，因此我们给出了特征和答案。然后，为了测试模型的学习效果，我们在一个从未见过答案的测试集上进行评估 【你的收获】 数据清理，探索性数据分析，特征工程和选择等常见问题的解决办法 随机搜索，网格搜索，交叉验证等方法寻找最优超参数 可视化决策树 对完整的机器学习项目流程建立一个宏观的了解！值得拥有！！！

通信电源

渡槽是水工建筑物中应用最广泛的交叉建筑物之一。本书以精练和实用为原则，系统地介绍了渡槽工程的整体布置、结构型式和构造、结构计算和结构优化等内容，并编写了实用性较强的工程实例和电算程序。

建筑物、沙发、3D模型 自己做的，有实图，课程作业，2013 6 29报告完毕