期刊导航
期刊开放获取
唐山市科学技术情报研究..
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
建筑工程施工专业学生实践能力培养的探索
1
作者
陶淑娟
《中国设备工程》
2024年第21期12-14,共3页
随着建筑行业的快速发展和新工艺、新技术的广泛应用,建筑工程施工专业对实践能力强的高素质应用型人才的需求日益迫切。建筑工程施工专业学生实践能力培养已成为高校人才培养质量提升的关键所在。本文立足建筑工程施工专业学生实践能...
随着建筑行业的快速发展和新工艺、新技术的广泛应用,建筑工程施工专业对实践能力强的高素质应用型人才的需求日益迫切。建筑工程施工专业学生实践能力培养已成为高校人才培养质量提升的关键所在。本文立足建筑工程施工专业学生实践能力培养的重要意义,分析实践能力培养的现状,探讨优化实践教学内容、拓展实践教学资源、创新实践教学方式、完善实践教学评价体系等有效策略,并从加强师资队伍建设、完善实践教学管理制度、建立实践教学质量监控体系等方面提出保障措施,为建筑工程施工专业学生实践能力的提升提供参考。
展开更多
关键词
建筑工程
施工专业
学生
实践能力
培养
在线阅读
下载PDF
职称材料
基于SSA-RBFNN的钢管混凝土界面粘结强度研究
2
作者
刘文博
杨喜娟
+1 位作者
王力
李子奇
《中国安全生产科学技术》
北大核心
2025年第3期148-155,共8页
为了改善传统径向基神经网络(RBFNN)存在对样本数据依赖性强、参数选择复杂、收敛速度慢等缺陷。将麻雀搜索算法(SSA)应用于RBFNN预测模型,提出基于SSA-RBFNN的CFST界面粘结强度预测模型,收集319组数据建立数据库,选取8种影响因素作为...
为了改善传统径向基神经网络(RBFNN)存在对样本数据依赖性强、参数选择复杂、收敛速度慢等缺陷。将麻雀搜索算法(SSA)应用于RBFNN预测模型,提出基于SSA-RBFNN的CFST界面粘结强度预测模型,收集319组数据建立数据库,选取8种影响因素作为输入层参数和界面粘结强度作为输出层参数,分别建立RBFNN和SSA-RBFNN模型。通过平均绝对百分比误差(MAPE)和决定系数(R 2)等指标,将2种机器学习模型与6种现有公式进行比较,评估它们在预测精度和稳定性方面的表现。研究结果表明:2种机器学习模型比公式精度更高。其中,SSA-RBFNN模型有更好的预测性能,更有助于高效预测CFST的界面粘结强度。研究结果可为CFST结构工程设计提供相应的预测方法和技术支持,可以帮助工程师在设计和施工过程中更好地评估结构的承载能力和安全性。
展开更多
关键词
RBF神经网络
麻雀搜索算法
钢管混凝土
界面粘结强度
机器学习模型
在线阅读
下载PDF
职称材料
题名
建筑工程施工专业学生实践能力培养的探索
1
作者
陶淑娟
机构
白银矿冶职业技术学院建筑工程学院
出处
《中国设备工程》
2024年第21期12-14,共3页
基金
甘肃省职业教育教学改革研究项目(项目立项号:2021gszy jy-111)“基于‘竞赛+项目’教学做合一的职业教学模式研究和实践”。
文摘
随着建筑行业的快速发展和新工艺、新技术的广泛应用,建筑工程施工专业对实践能力强的高素质应用型人才的需求日益迫切。建筑工程施工专业学生实践能力培养已成为高校人才培养质量提升的关键所在。本文立足建筑工程施工专业学生实践能力培养的重要意义,分析实践能力培养的现状,探讨优化实践教学内容、拓展实践教学资源、创新实践教学方式、完善实践教学评价体系等有效策略,并从加强师资队伍建设、完善实践教学管理制度、建立实践教学质量监控体系等方面提出保障措施,为建筑工程施工专业学生实践能力的提升提供参考。
关键词
建筑工程
施工专业
学生
实践能力
培养
分类号
G710 [文化科学—职业技术教育学]
在线阅读
下载PDF
职称材料
题名
基于SSA-RBFNN的钢管混凝土界面粘结强度研究
2
作者
刘文博
杨喜娟
王力
李子奇
机构
兰州交通大学土木
工程
学院
白银矿冶职业技术学院建筑工程学院
出处
《中国安全生产科学技术》
北大核心
2025年第3期148-155,共8页
基金
甘肃省自然科学基金青年项目(25JRRA207)
兰州铁路局集团公司科技研究开发计划项目(LZJKY2024041-1)
山西交通控股集团科技创新项目(23-JKKJ-6)。
文摘
为了改善传统径向基神经网络(RBFNN)存在对样本数据依赖性强、参数选择复杂、收敛速度慢等缺陷。将麻雀搜索算法(SSA)应用于RBFNN预测模型,提出基于SSA-RBFNN的CFST界面粘结强度预测模型,收集319组数据建立数据库,选取8种影响因素作为输入层参数和界面粘结强度作为输出层参数,分别建立RBFNN和SSA-RBFNN模型。通过平均绝对百分比误差(MAPE)和决定系数(R 2)等指标,将2种机器学习模型与6种现有公式进行比较,评估它们在预测精度和稳定性方面的表现。研究结果表明:2种机器学习模型比公式精度更高。其中,SSA-RBFNN模型有更好的预测性能,更有助于高效预测CFST的界面粘结强度。研究结果可为CFST结构工程设计提供相应的预测方法和技术支持,可以帮助工程师在设计和施工过程中更好地评估结构的承载能力和安全性。
关键词
RBF神经网络
麻雀搜索算法
钢管混凝土
界面粘结强度
机器学习模型
Keywords
RBF neural network
sparrow search algorithm
concrete-filled steel tube
interfacial bond strength
machine learning model
分类号
X947 [环境科学与工程—安全科学]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
建筑工程施工专业学生实践能力培养的探索
陶淑娟
《中国设备工程》
2024
0
在线阅读
下载PDF
职称材料
2
基于SSA-RBFNN的钢管混凝土界面粘结强度研究
刘文博
杨喜娟
王力
李子奇
《中国安全生产科学技术》
北大核心
2025
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部