建筑变化检测可对建筑管理及决策提供有力支持。目前建筑变化检测的难点是完成检测任务所需计算成本高。为了提高检测效率,提出一种基于Potree结构的建筑物激光点云与建筑信息模型(building information modelling,BIM)点云的变化检测...建筑变化检测可对建筑管理及决策提供有力支持。目前建筑变化检测的难点是完成检测任务所需计算成本高。为了提高检测效率,提出一种基于Potree结构的建筑物激光点云与建筑信息模型(building information modelling,BIM)点云的变化检测方法。该方法将实时获取的激光点云,与建设初期规划的BIM进行比较,检测和识别出二者之间的差异,作为建筑变化检测的结果。实验结果表明,与基于可修改嵌套八叉树结构方法比较,本文提出的方法在保证完整性、准确度等不损失的情况下,在时间复杂度上降低了22.05%。展开更多
建筑结构的地震响应预测是基于性能的地震工程中建筑评估的重要组成部分。聚焦于地震响应预测中的少样本场景,提出了一种融合了大语言模型(large language model,LLM)和提示学习的震动响应预测方法LLM-PaP。该方法将LLM对时序数据的通...建筑结构的地震响应预测是基于性能的地震工程中建筑评估的重要组成部分。聚焦于地震响应预测中的少样本场景,提出了一种融合了大语言模型(large language model,LLM)和提示学习的震动响应预测方法LLM-PaP。该方法将LLM对时序数据的通用分析能力迁移到地震响应预测中,以克服一般模型在小样本条件下的性能缺陷。在模型中引入“PaP(prompt-as-prefix)”思想,为时间序列增加自然语言任务指令和地震输入序列数据的统计信息,以增强模型对输入序列的理解能力并引导推理预测过程。在两个数据算例的实验中验证了所提方法的有效性。结果表明:LLM-PaP在数据集上的预测性能显著优于基于MLP、频域和Transformer等先进预测方法。进一步的泛化性实验结果揭示了LLM-PaP在跨数据集适应上的卓越性能。LLM-PaP为地震响应预测任务提供了一种创新性的解决方案,为未来大模型与震动响应预测领域的交叉性研究提供了新的思路和方法。展开更多
文摘建筑变化检测可对建筑管理及决策提供有力支持。目前建筑变化检测的难点是完成检测任务所需计算成本高。为了提高检测效率,提出一种基于Potree结构的建筑物激光点云与建筑信息模型(building information modelling,BIM)点云的变化检测方法。该方法将实时获取的激光点云,与建设初期规划的BIM进行比较,检测和识别出二者之间的差异,作为建筑变化检测的结果。实验结果表明,与基于可修改嵌套八叉树结构方法比较,本文提出的方法在保证完整性、准确度等不损失的情况下,在时间复杂度上降低了22.05%。
文摘建筑结构的地震响应预测是基于性能的地震工程中建筑评估的重要组成部分。聚焦于地震响应预测中的少样本场景,提出了一种融合了大语言模型(large language model,LLM)和提示学习的震动响应预测方法LLM-PaP。该方法将LLM对时序数据的通用分析能力迁移到地震响应预测中,以克服一般模型在小样本条件下的性能缺陷。在模型中引入“PaP(prompt-as-prefix)”思想,为时间序列增加自然语言任务指令和地震输入序列数据的统计信息,以增强模型对输入序列的理解能力并引导推理预测过程。在两个数据算例的实验中验证了所提方法的有效性。结果表明:LLM-PaP在数据集上的预测性能显著优于基于MLP、频域和Transformer等先进预测方法。进一步的泛化性实验结果揭示了LLM-PaP在跨数据集适应上的卓越性能。LLM-PaP为地震响应预测任务提供了一种创新性的解决方案,为未来大模型与震动响应预测领域的交叉性研究提供了新的思路和方法。
