一种基于流媒体与BIM的深基坑围护结构变形诊断系统

    公开(公告)号:CN114034260A

    公开(公告)日:2022-02-11

    申请号:CN202111112557.0

    申请日:2021-09-18

    Abstract: 本发明提供一种基于流媒体与BIM的深基坑围护结构变形诊断系统,包括流媒体实时诊断模块、Web应用模块、监测信息拓展模块和BIM融合诊断模块。流媒体实时诊断模块通过视频传感器实时传输变形图像数据。Web应用模块提供了网页端的图片、视频以及视频流的诊断服务。监测信息拓展模块将视频传感器监测信息集成到相应的BIM模型,并在集成后导出IFC文件进行验证。BIM融合诊断模块通过对已拓展监测信息的IFC文件进行目标实体的提取与解析,实现监测信息和BIM模型的融合,提供围护结构变形评价与诊断结果。本发明克服了现有技术手段对深基坑围护结构变形诊断效率及精度不高的问题,在一定程度上防止基坑坍塌及人员伤亡事故的发生。

    一种基于流媒体与BIM的深基坑围护结构变形诊断系统

    公开(公告)号:CN114034260B

    公开(公告)日:2024-07-02

    申请号:CN202111112557.0

    申请日:2021-09-18

    Abstract: 本发明提供一种基于流媒体与BIM的深基坑围护结构变形诊断系统,包括流媒体实时诊断模块、Web应用模块、监测信息拓展模块和BIM融合诊断模块。流媒体实时诊断模块通过视频传感器实时传输变形图像数据。Web应用模块提供了网页端的图片、视频以及视频流的诊断服务。监测信息拓展模块将视频传感器监测信息集成到相应的BIM模型,并在集成后导出IFC文件进行验证。BIM融合诊断模块通过对已拓展监测信息的IFC文件进行目标实体的提取与解析,实现监测信息和BIM模型的融合,提供围护结构变形评价与诊断结果。本发明克服了现有技术手段对深基坑围护结构变形诊断效率及精度不高的问题,在一定程度上防止基坑坍塌及人员伤亡事故的发生。

    基于协议模板的云平台模糊测试方法及系统

    公开(公告)号:CN119676130A

    公开(公告)日:2025-03-21

    申请号:CN202411879463.X

    申请日:2024-12-19

    Applicant: 东南大学

    Abstract: 本发明公开了基于协议模板的云平台模糊测试方法及系统,涉及模糊测试技术领域。本发明包括:使用模糊测试客户端在主机测试台系统上启动模糊测试会话;通过捕获流式客户端设备与云平台系统之间的初始通信交换自动生成协议模板,以识别多个原语;启动流式客户端设备;使用模糊测试客户端与云平台系统启动在线服务会话;对流式客户端设备与云平台系统之间的初始设置通信进行模糊测试。本发明能够通过协议模板的自动生成与更新,以及原语顺序和内容的突变模糊测试,全面评估云平台服务协议在各种异常情况下的稳定性与安全性,帮助开发人员提前发现并修复潜在的漏洞,确保云平台在实际运行中能够应对各种异常情况,提供更加安全、可靠的服务环境。

    基于攻击者模型的模糊测试方法、系统及终端设备

    公开(公告)号:CN119676129A

    公开(公告)日:2025-03-21

    申请号:CN202411878096.1

    申请日:2024-12-19

    Applicant: 东南大学

    Abstract: 本发明公开了基于攻击者模型的模糊测试方法、系统及终端设备,涉及网络协议模糊测试技术领域。本发明包括:捕获通讯实体间的正常通信流量;根据捕获到的正常通信流量生成种子语料库,作为一组初始的测试用例;基于种子语料库挑选得到优先级高的种子;对挑选出的种子执行攻击者模型的变异操作,以生成新的测试用例。本发明相较于传统的协议模糊测试方法,能够生成与正常流量相似度更高的测试用例,模拟出与通信实体的对话建立过程,提高了模糊测试效率,同时基于实际环境中攻击者的能力进行变异的方法能够拓展原有的搜索空间,发现协议交互上下文中的逻辑漏洞。

    一种考虑时间动态性的建筑全生命周期碳效应量化方法

    公开(公告)号:CN119168189A

    公开(公告)日:2024-12-20

    申请号:CN202410996599.2

    申请日:2024-07-24

    Applicant: 东南大学

    Inventor: 苏舒 李超然 孙奥

    Abstract: 本发明公开一种考虑时间动态性的建筑全生命周期碳效应量化方法,包括如下步骤:步骤1)建筑全生命周期分阶段动态消耗量数据收集;步骤2)动态清单分析;步骤3)动态特征化;步骤4)动态加权及碳效应量化。有益效果:本发明在充分考虑住宅建筑的家庭规模、人员使用行为、设备更换、废弃物处置、能源结构、特征化因子和权重因子等多个随时间动态变化的变量,开发了一种建筑全生命周期动态碳效应量化方法,可将建筑长周期内的潜在动态变化纳入量化分析,可以为建筑的碳效应评估提供可操作的动态评估范式和模型方法,有助于科学推进住宅建筑减碳和可持续发展。

    一种基于机器学习的建筑能耗预测方法及装置

    公开(公告)号:CN119476612A

    公开(公告)日:2025-02-18

    申请号:CN202411588560.3

    申请日:2024-11-08

    Applicant: 东南大学

    Inventor: 苏舒 金月 孙奥

    Abstract: 本发明涉及一种基于机器学习的建筑能耗预测方法及装置,其中,方法包括:步骤S1:获取基准建筑能耗模型,其中,基准建筑能耗模型基于现有的标准规范并参考典型办公建筑案例建立,用于基于各关键参数的取值得到逐月能源消耗;步骤S2:采用拉丁超立方抽样方法对各关键参数进行采样得到多个第一样本,基于基准建筑能耗模型根据各第一样本得到对应的逐月能源消耗,并将各第一样本和对应的逐月能源消耗组合,生成第二样本;步骤S3:利用第二样本训练建筑能耗预测模型;步骤S4:基于训练好的建筑能耗预测模型进行能耗预测。与现有技术相比,本发明具有在提高建筑能耗预测准确率的同时,减小计算量等优点。

Patent Agency Ranking