信息物理融合下的建筑施工现场碳排放实时监测系统

随着全球变暖现象加剧，控制建筑业碳排放成为了重要研究课题，建筑施工现场碳排放的计算与监测问题成为重点。为了有效解决这一问题，梳理了现有碳排放计算方法，总结了各类方法的特点，提出了基于信息物理系统（CPS）技术的施工现场碳排放实时监测系统框架；针对施工现场碳排放计算边界及计算逻辑进行了定义，并从硬件系统与软件系统两部分实现了碳排放实时监测系统的开发。最后，通过无线传感器、服务器、数据库以及客户端的有效耦合，实现了对建筑施工现场的碳排放进行实时监测和数据分析。     

深度神经网络和高光谱显微图像的二维材料纳米片识别

近年来,二维材料由于其独特的性质而受到了广泛关注。在制备二维层状晶体的各种方法中,机械剥离法获得的薄层二维材料晶体质量高,适用于基础研究及性能演示。然而用机械剥离法从衬底上获得的材料具有一定的随机性,可能包含了少许相对较厚的部分。实现对这些二维薄层材料有效、快速且智能化的表征有利于促进二维材料性能的进一步研究。提出了一种基于深度学习的表征方法,通过搭建的编解码结构的卷积神经网络语义分割算法,可以根据光学显微镜图像进行分割和快速识别二维材料纳米片。卷积神经网络作为深度学习在图像处理领域中的典型算法,能够对光学显微镜图像中的复杂信息进行特征提取。首先采用机械剥离制备MoS₂纳米片样本,通过光学显微镜采集高光谱图像并对样本进行标记,根据样本的厚度范围标记出不同的区域,对标记后的图像进一步处理,包括图像的颜色校准和剪切操作,得到用于网络训练和测试的数据集。针对光学图像中二维纳米薄片存在的低对比度、碎裂等特点,编码时加入残差结构和金字塔池化模型,有助于特征信息的提取;解码时融合编码路径中提取的浅层特征信息,以提高网络分割精度。实验中采用带权重的交叉熵损失函数解决类别数量不平衡问题和采用数据增强扩大数据集。对训练后的网络测试结果表明,模型像素精度为97.38%,平均像素精度为90.38%,均交并比为75.86%。之后通过迁移学习成功地对剥离的单层和双层石墨烯纳米片样本进行了识别,均交并比达到了81.63%,表明该方法具有普适性。通过MoS₂和石墨烯纳米片的识别演示,实现了深度学习在二维材料的光学显微镜图像中的成功应用。该方法有望在更多的二维材料上得到扩展并突破自动动态处理光学显微镜图像的问题,同时为其他纳米材料的高光谱图像处理提供参考。     

论房地产开发企业的工程造价管理

在国家宏观调控下,激烈的市场竞争使得房地产开发企业必须对项目投资实施全过程有效的成本控制和降低房地产开发过程中的工程造价,提高其经济效益和市场竞争力。本文以房地产项目开发建设程序为主线,对房地产开发企业如何加强在投资决策、项目设计、招标、施工建设以及竣工验收等阶段的工程造价管理进行了有益探讨。     

改进二项分布的性质及其应用

二项分布是一种具有广泛用途的离散型随机变量的概率分布。针对二项分布应用的局限性,提出一种基于二项分布的改进模型,即通过引入控制参数,扩展了二项分布的适用范围,使其处理的数据来源既能满足二项分布的特点,又能满足数据集自身的相关特性。最后通过构造矩方程和极大似然方程可求出估计参数。