现有相关工程与技术多关注建筑构件几何信息的映射,构件语义信息挖掘侧重于工程项目需要的单一信息,导致BIM(Building Information Modeling)数据在语义交互和智能分析中的潜力未被充分挖掘。该文提出一种基于知识图谱的BIM建筑构件语...现有相关工程与技术多关注建筑构件几何信息的映射,构件语义信息挖掘侧重于工程项目需要的单一信息,导致BIM(Building Information Modeling)数据在语义交互和智能分析中的潜力未被充分挖掘。该文提出一种基于知识图谱的BIM建筑构件语义信息提取方法,首先通过设计语义映射规则将IFC(Industry Foundation Classes)模型的实体、属性、物理信息转化为知识图谱,形成可用于语义分析的结构化语义网络,然后采用TransE嵌入模型对构建的BIM知识图谱进行嵌入学习,通过向量化表示增强信息提取能力。以某三层综合建筑楼为研究对象,提取并构建了包含996个BIM语义节点和2173条关系的知识图谱,进一步采用TransE模型进行语义信息嵌入,对提取结果进行验证。实验结果表明:知识图谱能有效提取BIM建筑构件语义信息,选取最优参数后进行TransE模型嵌入学习,实体语义成功率为97.27%,该方法能够精准捕捉建筑构件各类语义信息的关键内容,减少信息遗漏和提取错误,为BIM模型信息分析和决策提供了新思路。展开更多
文摘现有相关工程与技术多关注建筑构件几何信息的映射,构件语义信息挖掘侧重于工程项目需要的单一信息,导致BIM(Building Information Modeling)数据在语义交互和智能分析中的潜力未被充分挖掘。该文提出一种基于知识图谱的BIM建筑构件语义信息提取方法,首先通过设计语义映射规则将IFC(Industry Foundation Classes)模型的实体、属性、物理信息转化为知识图谱,形成可用于语义分析的结构化语义网络,然后采用TransE嵌入模型对构建的BIM知识图谱进行嵌入学习,通过向量化表示增强信息提取能力。以某三层综合建筑楼为研究对象,提取并构建了包含996个BIM语义节点和2173条关系的知识图谱,进一步采用TransE模型进行语义信息嵌入,对提取结果进行验证。实验结果表明:知识图谱能有效提取BIM建筑构件语义信息,选取最优参数后进行TransE模型嵌入学习,实体语义成功率为97.27%,该方法能够精准捕捉建筑构件各类语义信息的关键内容,减少信息遗漏和提取错误,为BIM模型信息分析和决策提供了新思路。
文摘构建准确的滑坡预测模型和确定环境因子的贡献程度,对滑坡易发性评价具有重要意义。在以往研究中,最大熵物种分布(maximum entropy model,MaxEnt)模型因其对样本量要求低、预测精度高和可避免模型过度拟合等优点,被广泛运用在生态学领域。以沅陵县为研究区,基于342处滑坡灾害点数据和9个环境变量,分别采用确定性系数(certainty factor,CF)模型、逻辑回归(Logistic)模型和MaxEnt模型对沅陵县进行滑坡易发性分区预测。同时采用刀切法(Jackknife)检验环境因子对预测结果的贡献程度,确定滑坡地质灾害的主要影响因素。结果表明:确定性系数模型、逻辑回归模型和MaxEnt模型的受试者特征曲线(receiver operating characteristic,ROC)下面积(area under the curve,AUC)值分别为0.827、0.803、0.911,3种模型的预测精度均较高,且MaxEnt模型精度最高,表现较好;河流是影响研究区滑坡灾害发生贡献程度最高的环境因子;滑坡灾害主要发育在以河流为中心向外延伸100 m范围内,集中分布在沅江、深溪和兰溪附近。研究能为沅陵县地质灾害易发性评价提供一种新的方法。
