为解决当前在钢结构建筑信息模型(building information modeling,BIM)与结构分析模型之间进行数据转换时存在的关键技术问题,本文在分析工业基础类(industry foundation classes,IFC)标准表达方法的基础上,以ABAQUS为结构分析平台,开...为解决当前在钢结构建筑信息模型(building information modeling,BIM)与结构分析模型之间进行数据转换时存在的关键技术问题,本文在分析工业基础类(industry foundation classes,IFC)标准表达方法的基础上,以ABAQUS为结构分析平台,开发了钢结构BIM模型数据转换算法,运用C#语言和Xbim工具包,实现了结构构件信息提取、构件空间位置调整和分析数据自动添加,并形成了相应的转换软件;通过钢框架结构实例分析验证了该软件的可靠性和准确性,并将其应用于安阳市游客集散中心的BIM模型转换和结构分析。结果表明,所开发的算法和软件解决了生成的结构分析模型节点不连接和人工添加分析数据工作量大等问题,实现了BIM中的钢结构设计模型或深化设计模型向ABAQUS结构分析模型数据的准确转换。与传统的在ABAQUS中直接建立结构分析模型相比,本文提出的方法能大大提高复杂钢结构的结构分析建模速度和效率。展开更多
协议转换通常用于解决不同协议之间的数据交互问题,它的本质是寻找不同协议字段之间的映射关系。传统的协议转换方法存在以下缺点:转换大多是在特定协议的基础上设计的,因而这些转换是静态的,灵活性较差,不适用于多协议转换的场景;一旦...协议转换通常用于解决不同协议之间的数据交互问题,它的本质是寻找不同协议字段之间的映射关系。传统的协议转换方法存在以下缺点:转换大多是在特定协议的基础上设计的,因而这些转换是静态的,灵活性较差,不适用于多协议转换的场景;一旦协议发生改变,就需要再次分析协议的结构和字段语义以重新构建字段之间的映射关系,从而产生指数级的工作量,降低了协议转换的效率。因此,提出基于语义相似度的通用协议转换方法,旨在通过智能的方法发掘字段间的映射关系,进而提高协议转换的效率。首先,通过BERT(Bidirectional Encoder Representations from Transformers)模型分类协议字段,并排除“不应该”存在映射关系的字段;其次,通过计算字段之间的语义相似度,推理字段之间的映射关系,进而构建字段映射表;最后,提出基于语义相似度的通用协议转换框架,并定义相关协议以进行验证。仿真实验结果表明:所提方法的字段分类精准率达到了94.44%;映射关系识别精准率达到了90.70%,相较于基于知识抽取的方法提高了13.93%。以上结果验证了所提方法的有可行性,该方法可以快速识别不同协议字段之间的映射关系,适用于无人协同中多协议转换的场景。展开更多
文摘蒸散发(Evapotranspiration,ET)是作物需水量的核心组分,也是区域水资源优化配置的关键依据。本文以陕西关中宝鸡峡灌区夏玉米为研究对象,采用BP神经网络(Back propagation neural network,BPNN)、支持向量机(Support vector machine,SVM)、极限学习机(Extreme learning machine,ELM)和极致梯度提升树(eXtreme gradient boosting,XGBoost)4种机器学习算法构建无人机-卫星多源遥感数据协同校正模型,并以最优算法建立的模型校正卫星多光谱数据,实现无人机和卫星数据的尺度转换。利用校正后高精度卫星数据反演夏玉米叶面积指数(Leaf area index,LAI)与株高(Crop height,hc)为蒸散发模型提供数据输入。分别采用双作物系数法、METRIC模型及Penman-Monteith(P-M)冠层阻力模型进行夏玉米蒸散发估算,引入贝叶斯模型平均(Bayesian model averaging,BMA)实现不同生育阶段各方法/模型权重的动态分配,最终得到玉米拔节-完熟期性能稳健的蒸散发BMA融合模型。结果表明:XGBoost算法在夏玉米拔节-完熟期的B/G/R/NIR波段建模精度均为最高,四波段建模结果决定系数(Coefficient of determination,R^(2))较算法ELM高出8.43%、8.67%、6.79%和10.41%;校正后的卫星多光谱数据LAI与hc反演结果R^(2)较原始卫星数据分别平均提高97%和67.5%;BMA融合模型在夏玉米拔节-抽雄期和蜡熟-完熟期较单一最优方法/模型(METRIC模型)均方根误差(Root mean squared error,RMSE)降低39.3%~58.5%。本研究利用“协同校正-动态融合”显著提升了蒸散发遥感监测精度,可为水资源精细化管理提供理论支撑。
文摘为解决当前在钢结构建筑信息模型(building information modeling,BIM)与结构分析模型之间进行数据转换时存在的关键技术问题,本文在分析工业基础类(industry foundation classes,IFC)标准表达方法的基础上,以ABAQUS为结构分析平台,开发了钢结构BIM模型数据转换算法,运用C#语言和Xbim工具包,实现了结构构件信息提取、构件空间位置调整和分析数据自动添加,并形成了相应的转换软件;通过钢框架结构实例分析验证了该软件的可靠性和准确性,并将其应用于安阳市游客集散中心的BIM模型转换和结构分析。结果表明,所开发的算法和软件解决了生成的结构分析模型节点不连接和人工添加分析数据工作量大等问题,实现了BIM中的钢结构设计模型或深化设计模型向ABAQUS结构分析模型数据的准确转换。与传统的在ABAQUS中直接建立结构分析模型相比,本文提出的方法能大大提高复杂钢结构的结构分析建模速度和效率。
文摘协议转换通常用于解决不同协议之间的数据交互问题,它的本质是寻找不同协议字段之间的映射关系。传统的协议转换方法存在以下缺点:转换大多是在特定协议的基础上设计的,因而这些转换是静态的,灵活性较差,不适用于多协议转换的场景;一旦协议发生改变,就需要再次分析协议的结构和字段语义以重新构建字段之间的映射关系,从而产生指数级的工作量,降低了协议转换的效率。因此,提出基于语义相似度的通用协议转换方法,旨在通过智能的方法发掘字段间的映射关系,进而提高协议转换的效率。首先,通过BERT(Bidirectional Encoder Representations from Transformers)模型分类协议字段,并排除“不应该”存在映射关系的字段;其次,通过计算字段之间的语义相似度,推理字段之间的映射关系,进而构建字段映射表;最后,提出基于语义相似度的通用协议转换框架,并定义相关协议以进行验证。仿真实验结果表明:所提方法的字段分类精准率达到了94.44%;映射关系识别精准率达到了90.70%,相较于基于知识抽取的方法提高了13.93%。以上结果验证了所提方法的有可行性,该方法可以快速识别不同协议字段之间的映射关系,适用于无人协同中多协议转换的场景。
