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

针对现代高层建筑进行沉降观测，对其未来的变形趋势进行准确地预测具有重要的意义。针对传统灰色 GM(1，1)模型存在的模型精度不高的问题，本文提出了一种同时优化背景值和初始条件的GM(1，1)改进模型，并将其应用于对建筑物的沉降变形进行定量分析与即时预报。通过与原始模型和其他模型的对比分析可以发现，本文所研究的改进模型在精度上有了显著的提高，更加适用于基础沉降的预测，具有很好的工程应用价值。

迎风面投影指数计算工具介绍及计算实例

在机载激光雷达扫描过程中,建筑物背面的地面边缘线常常被遮挡,无法获取精确的建筑物背面边缘点信息,在利用获得的激光点云进行三维重建时,使得创建数字表面模型(DSM)的精度较低。为消除背面边缘点缺失造成的DSM精度降低,提出了一种建筑物地面缺失边缘线的自动提取算法;通过提取建筑物侧面和地面局部点云的拟合趋势面,计算两相邻局部趋势面的交线,并补充缺失部分的边缘点数据;最后采用补充了边缘点的建筑物激光点云重建了建筑物的DSM,并对边缘点补充前后的DSM精度进行了对比仿真实验。仿真结果表明,通过提取和补充建筑物的边缘点可有效提高建筑物重建DSM的高程精度。

宁波建筑物矢量数据.zip

建筑物图标