陈登峰
其他联系方式
邮编：
通讯/办公地址：
邮箱：
论文成果所属单位：建筑设备科学与工程学院
发表刊物：计算机测量与控制
关键字：综合管廊;Web;轻量可视化;Tensorflow.js;
摘要：城市化进程促进了城市地下综合管廊的飞速发展,但目前管廊的巡检等运维管理工作大多以人工为主,且信息化水平低下,而且管廊内的管线复杂、人工运维管理效率低且危险隐患高;文章提出一种基于Web的管廊建筑结构与建筑信息轻量可视化、CO环境数据可通过浏览器在线训练与预测的系统;通过Revit二次开发技术将建筑信息模型轻量化解耦并通过WebGL技术将几何模型加载在浏览器前端页面,后台服务程序可以通过通信线程池将终端节点采集到的环境数据存入Mysql数据库,并与浏览器前端动态耦合;通过整合Tensorflow.js可以在浏览器前端实现基于LSTM算法的CO浓度预测模型在线训练与预测;经过测试,模型加载平均耗时114.24ms,单次交互平均耗时20ms,预测精确度为86.3%,满足系统设计需求。
第一作者：肖海燕,陈登峰
论文类型：期刊论文
通讯作者：张温,耿建勤,刘国
卷号：2020,28(05):170-174
ISSN号：1671-4598
是否译文：否
CN号：11-4762/TP
发表时间：2020-05-01
