文摘

在互联网时代的背景下,越来越多的政党开始商店,过程,和分析数据,但随之而来的问题是人们是否合理对数据的影响下大量的数据,有效和高效的分析,尤其是在这个项目中面临的问题。本文旨在研究电力面临的质量控制问题和电气工程在施工过程中通过使用卷积神经网络。根据这个观点,本文提出了一种多层卷积方法。实验结果表明,使用改进的多层卷积方法的卷积方法卷积神经网络可以有效地提高小数据集的多个分析问题在电力和电子工程的建设;通过这种方式,分析了相关数据;通过控制施工质量,质量问题都得到很大的提高。比较后,得出总体施工质量增加了35%。

1。介绍

生活在互联网时代,有各种各样的数据每天都在我周围。数据时代提倡处理大量数据的要求也越来越高。深度学习是一种机器学习算法,它出现在互联网环境。由于计算性能的飞跃和互联网带来的巨大的数据服务,深度学习在一个爆炸性的时期。卷积神经网络是一种基于生物感知信息的深度学习网络模型,可大大减少深层网络模型的参数,减少其复杂性。广泛应用于形象,自然语言处理,和其他领域,这一天。成功地折叠神经网络学习机械的主流方向,进一步促进数据研究的热情。

卷积神经网络是神经网络的一个改良版本。它使用正向传播和反向传播调整权重和阈值计算输出。处理堆栈是堆叠。卷积的主要优点是,每个神经元层是本地连接到上层的地图功能。同时保持相邻关系和空间位置的输入,当地的信息集成到上层获得全球所有神经元的功能映射相同的信息和共享一组重量参数。这种特殊的结构更接近实际的生物神经网络,可以使用更适当的工程数据分析。卷积神经网络广泛应用于越来越多的工程数据分析允许图像多维输入向量作为输入,以避免数据重建的复杂性特征提取和分类的过程。

基于应用程序的当前状态数据和工业的需要,是非常重要的理论和应用研究卷积神经网络在小数据集。Tajbakhsh N认为培训深卷积神经网络(CNN)从头开始是困难的,因为它需要大量的标记的训练数据和大量的经验,以确保正确的收敛。一个有前途的替代方法是pretrain自然图像被使用,例如,大量的标记CNN微调。因此,他们研究了深CNN从头训练和调整的性能pretrained CNN以分层的方式(1]。的想法不断积累相关的专业知识在卷积神经网络的学习过程也适用于他们的论文写作过程。佩雷拉年代提出,在脑部肿瘤,神经胶质瘤是最常见的和侵略性,从而在很短的寿命在最高水平。因此,他们提出了一个自动分割方法基于卷积神经网络(CNN)探索小3×3内核(2]。从这部电影可以看出,卷积神经网络在脑部肿瘤也有更重要的应用可行性。Shafiee试图设计加速器为流行的机器学习算法,如涉及运算和深层神经网络。该算法探索交叉矩阵的存储输入重量也点积算法的模拟实现,大大促进了加速算法的优化(3]。从这,我们可以了解研究机器学习算法的加速,研究机器学习算法加速器可以促进机器学习的发展。Moeskops PMR相信大脑图像的自动分割是非常重要的大规模研究中定量分析图像获得所有年龄段。他提出了一个方法来自动先生的大脑图像划分为多个组织类别使用卷积神经网络。通过实验分析,临床医学的提高效率增加了21.2%,这是一个伟大的进步4]。可以看出,卷积神经网络有很大影响大脑图像的自动分割。陈Y提出一个正规化的深层特征提取(FE)方法使用卷积神经网络(CNN)的高光谱图像分类(HSI)。他建议使用几个卷积方法层和池层从溪中提取深度特性,非线性,可分别的,不变的。这些特征对于图像目标分类和检测非常有用。最后,为了进一步提高性能,一个虚拟样本提出了增强方法(5]。然而,并没有详细描述的增强方法虚拟样本,这是缺乏。罗斯认为人力资源自动计算机辅助测试(凯德)已成为一个重要的工具在临床实践和研究。他们设计了一个两层的层叠框架从课程到好。通过使用现有的凯德系统,感兴趣的区域或体积的坐标(ROI或VOI)可以生成和使用作为输入的第二层。这是他们的研究的重点6]。这种技术在实际使用有极高的参考价值。Kiranyaz年代提出了一种快速、准确的针对病人的心电图(ECG)分类和监测系统。方法:自适应的实现一维卷积神经网络(CNN)本质上是用于融合的两个主要模块心电图分类成一个单一的学习身体:特征提取和分类7]。心电图可以很好解决的问题通过卷积神经网络的应用。胡锦涛C提出,当前主流的低剂量CT方法包括特定于供应商的sinusogram域滤波和迭代重建,但他们需要访问原始的原始数据的格式是不透明的,大多数用户。受到深度学习的想法,他们结合autoencoder deconvolutional网络,快捷方式连接到残余encoder-decoder卷积神经网络(RED-CNN)低剂量CT成像(8]。上述文献也值得学习相关技术的使用,但大多数文章缺乏相关实验的设计,和他们中的大多数仍停留在理论层面上,从而导致整体实用性的相关文献。

本文的新颖如下所示。(1)网络的使用是一样的改进的多层卷积方法。小数据集研究和分析很多次,和建设数据专业分析和用于确保施工过程可以有效地保证施工质量控制。(2)在当前的电力和电力工程建设过程中,很难处理和分析工程数据,很难保证工程施工的质量控制。

2。质量控制相关的方法

2.1。建设项目质量管理目标

2.1.1。建设项目质量管理目标

建设项目的质量管理目标必须满足以下三个要求。首先,领导和优秀的管理部门必须满足企业的质量目标,质量监督和质量检验必须符合有关法律、法规的规定。他们有相关建设项目的质量要求。其次,项目经理将导致所有团队成员执行项目管理活动达到一个完整和全面的动态管理过程。第三,质量管理活动是有效的手段来达到质量目标。例如,质量“自检、相互检验,出厂检验”,规则和不规则的质量检查、质量基准培训、质量检查报告分析会议,等等。9]。质量目标的制定必须基于国内法律、法规、工程建设标准、施工合同、施工组织设计、施工环境等,以满足业主和客户的需求。质量目标也需要科学、合理、可持续的,且可实现的。建设项目的质量管理目标需要覆盖9项目;具体内容如图1。

它可以看到从图结构1质量管理目标分为9类。他们与特定的图片和例子所示。每个类别是相互关联、相互制约。建设项目的质量管理目标包括设计、施工方案、施工工艺、空间、时间、资金、劳动力、施工材料、设备和机械。质量管理目标存在于整个施工过程的所有阶段,包括质量管理和控制阶段,如设计、施工计划和施工技术,建筑工地,时间表,和成本。质量管理目标的设定指出的方向发展的质量管理活动和质量控制活动提供了依据。项目的质量目标是一个目标,并实现质量目标将值添加到项目(10]。

2.2。卷积神经网络

卷积神经网络可以被理解为基于最初的BP神经网络(11),通过添加一个回旋的行为,所以卷积神经网络可以更接近人类视觉系统比BP神经网络。卷积神经网络的最大优点之一是,他们可以提高工作效率和资源利用率最大化。它更符合人类的视觉。此外,它可以通过相互之间的通信网络提高传输效率。与BP神经网络相比,卷积神经网络的改进主要体现在以下几点:

2.2.1。本地连接

在现代生物学的认知,大脑主要发展过程中从本地到全球感知人类的眼睛所看到的图像。在一个图像,像素越高,它们之间的联系越强,反之亦然。因此,每个神经元只需要连接到当地的图像和不需要完全连接到上层的功能。在卷积神经网络,本地连接是指当前层中的每个神经元的连接数在前一层神经元。这种连接方法可以大大减少参数的数量需要学会(12]。因为网络参数的数量越大,越难训练网络,因此,本地连接方法的进化是一个重要的依据浅深层神经网络BP神经网络。全球连接和本地连接如图所示2:

根据照片,完整的连接方法将更全面,效果会更明显,分别和部分连接将更有利。

2.2.2。体重分享

相比之下,所有连接部分连接可以在一定程度上减少网络参数的数量。然而,当特征的数量相对较大,即使采用本地连接方法,网络参数的数量仍然很大。卷积是一个过程,从图像中提取特征。然而,特征提取应该是独立的位置。也就是说,使用一个卷积内核从图像中提取特征应该提取相同的特性,这是共享(重量13]。

2.2.3。池

卷积层的特征提取后,可以生成原始图像的一些特征图谱,但这些特征的维度仍相对较大,不适合直接分类。因为图像中相邻像素之间的相关性很大,downsampled特性,和相邻的像素替换相同的像素,和太多的信息不会丢失。通过抽样特性映射使用上述方法,形成一个新特性映射。这个过程称为池(14]。池也可以提高网络的鲁棒性目标的翻译和变形,它还可以防止网络在一定程度上过度拟合。

2.2.4。多重卷积层

实验证明,网络的层数越深,最后更合理的图像的特征提取的网络,因此通过设计多个卷积层提取图像特征,网络的拟合效果就会越好。卷积神经网络的结构如图3:

2.3。计算方法预防裂缝的大容量电力和电力建设

过载能力和抑制问题的抑制电气施工麻烦建筑工人。同样,在这个探索能力和电气工程的施工技术,他们也面临着这个问题15]。在混合有源电力滤波器的结构,负载并联连接无源电力滤波器的级数。活跃的部分是控制受控电压源U_c根据 在哪里U_c是有源滤波器的输出电压吗_上海grid-side电流的谐波分量,K是一个真正的常数大于0。从这个,一个方程描述过滤器的过滤效果可以推导出:

它可以从方程(2),我补偿电流_魁人党的混合有源电力滤波器

在这个公式中,只有K为每个量是可控的。当K大,公式(3)可以近似

也就是说,几乎所有负载的谐波电流流入过滤器。如果负载的谐波电流超过额定补偿能力的过滤器,它将导致一个过载。唯一的方法是减少K,但即使K减少到0,还有吗

检测电网输入回路电流时,过滤循环电流检测,改变了传统的控制方法

当K₁大,方程(8)可以近似

与此同时,由于水泥的高混合比在电力和电子工程16),hydrothermalization必须高,这很容易导致不良的工作表现和性能指标检测。因此,在电力和电气工程的施工过程,相应的混凝土浇注的体温和裂缝的预防应进行结算。因此,设计、适应和验证的混合比例,以及浇注体的计算温度和裂缝预防、所有相关的计算是基于气候条件。过载的抑制电气和电气施工麻烦建筑工人。

2.3.1。温度和混凝土开裂计算

水泥水化热的计算: 在哪里问代表温度的值。众所周知,累计水合热= 287焦每千克水泥时年龄是3天,水化热的累积= 291焦每千克水泥时年龄是7天

水泥的水化热= 317 kJ /公斤。根据矿物掺合料的混合比,水化热的调整系数k选择= 0.85,总胶结材料的水化热问= kQ0321 kJ /公斤。

混凝土绝热温升T(t): 在哪里T(t),当年龄t混凝土的绝热温升°C,O是单方面的胶结材料的混凝土公斤/米。³,问是总胶结材料的水化热焦每千克,C混凝土比热容,1.0 kJ / (kg.K),p混凝土的容重,2478公斤/米。³和米被认为是0.40。

混凝土弹性模量的计算: 在哪里E(t)具体年龄时的弹性模量tN /毫米,E₀混凝土弹性模量,作为3.25×104 N /毫米吗²,0.09的系数,这是作为。

当年龄t具体的,实际的最高温度中心计算: 在哪里T_米(t)是每个时代的实际混凝土内部最高温度,°C,T₀混凝土浇注温度(28°C),然后呢ξ是制冷系数。

2.3.2。等效温度的混凝土收缩变形值

绝缘厚度计算: 在哪里δ绝缘层的厚度在混凝土的表面,m,λ₀混凝土导热系数W / (m·K),λ_我的热导率是我th层绝缘材料W / (m·K),T_b混凝土浇注体表面温度,°C,T_问混凝土时大气的平均温度达到最高温度,°C,T_马克斯最高温度在混凝土浇注的身体,°C,h混凝土浇注体的实际厚度,作为4.0米,然后呢K_b传热系数的调整值,也就是1.5。

隔热层的热阻计算:

传热的总传热系数从混凝土表面的绝缘介质(17]:

隔热层相当于虚拟混凝土厚度:

2.3.3。表面温度的计算混凝土结构(18]

内外温差的计算:

综合温度下降的混凝土浇灌身体:

Self-constrained拉应力计算:

外部约束拉应力:

混凝土开裂指数:

整个混凝土浇注过程需要进行恒定的温度,并计算思路是根据温度变化计算总和。根据上面的计算,可以得到,混合比例基本上满足大容量混凝土施工的基本要求,同时,建设单位需要在混凝土浇筑后的绝缘措施期间,(19]。

3所示。电力和电子工程实验

3.1。直流电源分布实验

图4显示了直流输电的基本原理。整个部分包括两个转换器,CS1, CS2,直流线路。换流站主要配备转换器,实现交流和直流之间的相互转换。

转换器由一个或多个转换器桥串联或并联连接。当前直流传输方法使用三相桥整流电路,并且每个桥有6武器。桥臂有一个可控的单向传导能力,所以它也被称为一个阀门,阀杆。阀杆由汞弧阀或传感元素连接在系列20.]。

分销网络分为两种结构根据不同的流动方向。相比之下,第二,第一结构更稳定,效果更明显。我什么时候从交流电源系统供电系统II, CS转换站₁传动侧的三相交流电源转换系统我到直流电流转换站CS和供给能力₂通过直流输电线路。CS₂将直流转换成3阶段。一般来说,从AC, DC转换被称为整流器,并从直流到交流的转换称为变频器。因此,计算机科学₁也被称为整流站,CS₂也被称为变频器。

当CS₂经营作为逆变站,其直流电压的方向V_d2对直流电压V_d1和CS的直流电流₁作为一个整流站操作。当V_d1>V_d2,当前流的方向图所示。当前ID可以通过改变调整V_d1和V_d2。根据需求,提供的电流或功率可以通过调整供给保持不变。的极性V_d2不会改变,请注意,即使要大于调整吗V_d1,计算机科学₂不能发送反向电流和CS₁。这是由于逆变器只能在一个方向上连接。电力传输的方向变化,有必要改变CS₂整流器的操作而改变CS₁逆变器的操作站(21]。直流配电网络的结构如图5:

同时,配电系统的拓扑结构主要从两个部分:额定电压和网络计划。在这篇文章中,输电线路的长度和传动功率主要用于定义导体的横截面积的功能。研究表明,直流配电网络的拓扑结构应该有以下特点:(1)它必须能够被用于大型电网同时,为了能够将能量由总干事到网络传播,直流电网需要能够实现权力的双向流动(2)它必须能够为负载提供一个相对稳定的直流电压(3)安全、可靠和经济

根据上面提出的要求,我们筛选了三个更实用的直流分销网络:环配电系统、理径向配电系统,配电系统(22]。他们的命名是基于特定的拓扑结构,如图6。

根据拓扑结构图,直流配电网络的基本组成是分布式电源,交流电网,能源存储设备、交流和直流负载,和中、低压配电网络。为了满足不同负荷的需求,分布式电源,交流电网,能源存储设备,交流和直流负载必须通过不同的适配器连接到特定DC分销网络(23]。分布式电压连接时,需要转换电压源变换器和AC / DC DC / DC转换器提供相应的交流和直流电源AC / DC负载。一般来说,大型交流电网中使用的转换器可以实现两线能量流,这样交流电网之间的平衡关系,可以保证直流配电网络。此外,由于电网的直流/直流转换器是直接连接到能量存储设备,需要充电和放电,因此还必须实现能量的双向流动。

不同于传统的多端直流输电技术、直流家里访问是主要的考虑直流配电技术。然而,多级配电技术操作要求更高的技术手段,这也反映了这种技术的精湛、高效。因此,在特定的网格结构设计,有必要考虑实现多级直流分布和网格的性能。只有通过减压装置可以交付给不同的用户。

3.2。质量控制实验基于卷积神经网络的建设项目

卷积神经网络技术的应用不仅需要简单的工具和软件的操作,也支持的保证和支持系统,如企业的各个部门和职位,企业经营的过程中,人才的培养。因此,建筑公司想要引入卷积神经网络技术来控制建筑工程的施工质量。它不是一个购买几套软件的问题。只有通过卷积神经网络技术结合建设项目能真正应用和它的伟大可以充分的利用。值需要一个专业的卷积神经网络团队建立建设工程质量控制体系基于卷积神经网络技术基于卷积神经网络中心的施工企业,结合自己的情况。

建设项目的质量控制系统是指生产要素的形成过程和质量的全面质量管理,以满足施工的质量要求的产品。整个过程的分布进行从上到下,从生产部门质量控制部门。责任系统和其他系统的质量检验和监督澄清质量位置建筑公司的责任,合理组织各级人员实时监控施工过程,确保施工质量,提高施工单位的管理水平。从传统建设项目质量控制的主要问题,我们可以看到,需要有效的组织建设各方通过信息传输、相互合作的经理,和建立一个共享的平台,建立一个更完整的建设项目的质量控制。该系统可以解决传统建设项目质量控制的缺点(24]。

工程质量的形成过程并不是独立的,而是通过各个部门的分工产生的不同的组织方法。由于传统的部门之间的分工,不同部门之间的沟通不及时,导致延误施工进度和施工质量问题。基于卷积神经网络的信息传递技术是基于卷积神经网络模型。各部门开展工作的平台整合。如果有任何问题在施工过程中,每个部门将卷积神经网络上传的问题。管理接收到信息后,在模型中,提高它,分享它的主要负责单位和实现它来更好地保证项目的质量,如图7。

对施工单位、建筑模型可以事先相比,可以选择合理的设计方案;在施工过程中,卷积神经网络信息平台是用来了解整个施工过程的质量控制和监督;在以后的阶段,竣工验收和验收模型可以比模型的运行和维护管理(25]。最高温度在施工过程中混凝土中心的测量,和特定的值如表所示1。

设计单位,完成的主要工作是在早期阶段的质量控制,深化设计图纸,图纸的审核;卷积神经网络技术建立的模型集成各种学科和可以使用可视化的技术手段来检查图纸中各种各样的冲突。不足:质量控制可以不断提高在中期根据现场反馈信息;在后期,它可以与实体竣工验收和操作和维护管理。同时,在设计的开始,需要充分考虑收缩等效温度在实际施工过程中,以及内部和表面之间的温差,温差大。具体的测量值如表所示2和3。

主管,跟踪和管理整个施工过程的质量。通过卷积神经网络模型的数据平台,移动工具是用来检查和质量信息随时随地进行比较,分析和处理质量问题的发现,上传管理,为后续类似的建设提供参考,提高施工质量。同时,零点校准的测量设备进行,以确保测量各种原材料的容许偏差不应大于建筑法规,如表所示4。

建设党,碰撞检测和可视化技术主要是基于预先卷积神经网络模型;质量跟踪检查和比较在整个过程中,完成施工计划不断改进;后来,老板和建立检验是成功完成竣工验收。同时,必须确保施工的性能需求。具体参数如表所示5。

不难看到,质量控制和生产活动由使用卷积神经网络技术都是在卷积神经网络进行信息模型。质量信息得到每个参与党最终会总结成卷积神经网络模型,对卷积神经网络,质量控制应确保顺利传输的信息。

3.3。建设实验质量控制设备安装

安装步骤包括施工准备、测试的基础上,身体组装、设备修理、连接二次线、设备调整、现场测试和质量检验和评估。建筑可以提前预设的建筑模型,和一个合理的计划可以通过比较来确定模型。通过这种方式,设计是谁使用模型的基础建设,提高效率。

3.3.1。施工准备工作

①网站布局:网站布局应该是标准化的、合理的,和网站的组件和组装应该保护措施,起重机的位置等。②技术准备:工厂技术文件,原始的测试报告,设备存储记录,安装图纸,现场安装和调试记录文件和技术澄清。③人员安排:技术负责人、安装和测试,特殊的安全和质量负责,合作人员。④材料和机械:起重机和起重工具、特殊工具和材料附着在产品,设备真空下的注气设备测量气体中水分含量、燃气泄漏探测器及相关测试设备等。

3.3.2。土建工程验收和重新测试的基础

①王建的项目已基本完成,验收,交接,和签证都已完成,已达到规定的要求。②基本的中心线需要重新核对根据制造商的交付文档。相邻或交替间隔和AIS和主变压器和门店之间,AIS中心轴的偏差应在允许范围内的规范。③埋置钢筋部分应该接地和符合设计标准。基本检查:中心线的偏差应≤±5毫米和相邻,整个应≤±10毫米;水平偏差应≤±2毫米和相邻应≤±10毫米。基础表面的检查:中心线的错误应≤±5毫米;横向误差应≤±2毫米。

3.3.3。预防措施的组装设备的身体

安装配件应该实现没有沙子,雪,雨,环境湿度不超过80%。必须制定措施以防止灰尘和水分根据设备制造商的标准。起重工具的选择应根据设备的技术要求和科学地确定。提升点,设备的外表面,不得损坏;安装支架的平面度应满足设备制造商的标准,和制造商的匹配时应该使用垫片调整的水平支架和底盘的基础和水平和基础;根据设备数量和安装所需的秩序,没有随机安装应;使用清洁和润滑剂、密封剂和刮水器必须满足设备的技术要求;AIS组件的所有表面必须清理干净在组装之前,和交通阻塞端盖安装时只能放松。

3.3.4。质量检验

①设备技术资料、检验报告、合格证;安装、检查和评价记录和测试调整记录;有关图纸和改变文件;列表包括备件、探测器和特殊工具。⑤检查操作过程,检查信号和停摆,检查记录参数,检查机构及其辅助电路,并检查外观。

在完成上述工作的步骤,安装质量控制设备的工作。

4所示。施工过程的质量控制问题

4.1。施工项目质量控制

直方图是质量控制的一个常用工具。它直接反映了质量波动和明确质量预测和监控状态。它可以帮助经理的判断和预测产品质量失败率。如图8通过直方图和因果图分析,可以判断生产过程是否稳定,也就是说某一项目的过程质量是否稳定在某一阶段,它还提供了数据计算过程更直接。

因果图可以帮助经理理解质量的因素影响质量管理和控制乍一看,总结各种因素影响质量管理和控制,最后给出解决方案。石川Shin先生认为,影响质量的因素需要集思广益的根据生产过程和生产的经验,最后,所有可能影响质量的因素进行了总结。最重要的影响因素可以直接反映在地图上。

4.2。电力和电子质量控制策略

使用高速设备和数字信号处理技术,计算所需的瞬时无功功率理论方法,包括低通滤波器,可以通过数字方法实现,所以可以保证所需的计算精度,而且没有参数漂移的问题。然而,为了达到所需的实时性能,使用的设备必须有足够的计算速度。同时,为了保证系统的可靠运行和强电磁干扰的环境下,系统的硬件设计和软件编程有很高的要求,系统结构复杂,成本高。

使用基本的陷波器分离当前谐波,幅频特性和相位频率特性如图9可以获得。

从图的比较9可以看出,对有源电力滤波器的影响,通常采用开环控制,是严肃的,因为谐波的振幅和相位失真分离将直接严重影响电力有源滤波器的滤波效果,因此陷波滤波器法不适合与开环控制的有源电力滤波器。

然而,这个项目已经通过理论分析证明了混合有源滤波器的影响是非常小的使用闭环控制,和一些影响仍然是有益的,如图10。通过使用数字陷波滤波器和锁相环技术,频率漂移的问题完全可以解决。

基于上述方法,最终获得更理想的效果。陷阱的响应时间小于15,和基波的衰减50赫兹频率分量可以达到超过80分贝,低于基本频率。50 hz陷阱的输出阶段的输入阶段,高于基波。频率:陷波滤波器的输出相位滞后的输入阶段,但随着频率延伸到两端,其相移逐渐趋于零。

4.3。现场测量数据和电源和电子负载

为了充分了解电能质量在电力工程建设和提供一个合理的解决方案,我的电能质量进行了现场测量和传输电路的工作状态和获得更全面的操作数据。

当前的趋势基于卷积神经网络的电力工程图所示11。从图可以看出,当前波动基于卷积神经网络在电力工程建设过程中十分频繁。有多个周期的脉冲电流、脉冲电流时间间隔是1 s轨道,和当前额定电流的30%和100%之间变化。

左边的图片显示当前变化,和右边的图片显示了力量的变化。从图可以看出,无论是轻载或满载,传输电路的功率因数是极低的。针对负载电路的负载特点,建议采用综合治疗计划无功功率和谐波,卷积神经网络,控制无功功率,主要和谐波。这样,原来的基础上,施工过程的质量问题由使用卷积神经网络控制。在确保电力的传输问题的前提下,电气工程,总体质量增加了37%,大大保证了项目的建设。

5。结论

本研究的主要研究方向是在现有的权力和电气工程的施工技术。通过卷积神经网络学习,无监督工程相关数据,分析和特征提取,控制质量问题的影响在工程建设的过程中。本研究利用卷积神经网络的多层卷积算法优化,整体数据提取效率提高了71%,和整个项目的质量控制是提高了37%;它有效地保证施工的进度和质量建设同时,它既有实用性和理论研究。

数据可用性

使用的实验数据来支持本研究的发现可以从相应的作者。

的利益冲突

作者宣称他们没有利益冲突的报告对于本研究。