一、高层建筑基础选型专家系统研究（论文文献综述）
张津,王晓[1]（2021）在《城市高层住宅绿色建筑设计方案评价及软件开发研究》文中认为对不同类型的城市高层住宅自身特点和对影响城市高层住宅绿色建筑设计方案的指标因素进行深入分析,建立了一套科学合理、有层次性、简单可行和易于进行量化评价的城市高层住宅绿色建筑设计方案评价体系。通过构建软件开发总体流程图和软件模块化设计,开发了城市高层住宅绿色建筑方案设计评价选型计算与分析的软件。
莫慧珊[2]（2020）在《国内100-150米超高层公寓结构成本影响因素研究》文中提出随着我国经济建设与整体实力的迅速发展,面对城市人口的剧增,超高层建筑的建设在近年呈现普遍趋势。方案设计阶段在建筑行业经济成本管理控制中对工程经济性控制起指导性、决定性作用。高层及超高层建筑受建筑高度、层高、环境因素影响,综合决定其需要采用合理的结构体系,进行合理的承重、抗侧力构件布置,以实现具体项目落地的承载力、正常使用要求。超高层建筑结构设计是一个多因素综合决策行为。根据数据调研,在一二线城市内建设100-150米的超高层居住型公寓,交通效率高,符合居民生产生活需要,亦有效降低用地成本,在未来一段时间内将作为一种主流推广。现阶段针对国内100米以下的结构设计方法研究已较成熟,而对100-150米高度区间的超高层建筑结构成本影响因素缺乏系统性的研究,随着此类项目的普及,急需形成系统性的指导思维。方案阶段的规划布局与结构选型是一个多因素综合决策问题,结合已有的项目经验,应形成定性与定量相结合的指导数据。运用合适的运筹学方法论对影响这种超高层公寓建筑结构设计的多种因素变化规律进行分析,获得有指导意义的数据,具有重要的意义和工程价值。灰色系统理论能将客观的分散的信息集中处理,利用关联度概念进行各种问题的因素分析,找出影响性能指标的关键因素,具有较高的精度,适用于针对国内100-150米超高层居住型公寓结构成本影响因素的研究。本文以灰色系统理论为基础,根据实际工程特点建立结构设计模型对主体结构成本影响因素进行研究,以关键影响因素作为变量展开为多个分析模型进行满足结构性能的定性分析,形成数据样本,然后利用得到的多组数据构建灰色关联度计算数学模型运用MATLAB进行计算,分析出各个影响因素的灰色关联度系数,得到影响国内100-150米超高层居住型公寓主体结构成本的关键因素及关键因素之间的敏感度排序,并通过工程实例验证了分析结论。继而结合实际案例,对影响基础成本的主要因素进行了分析。本文首次针对某一特定使用功能,在某个建筑高度区间的超高层建筑,对影响结构成本的多个因素进行全面剖析,建立灰色系统模型分析出该类型建筑结构对所考虑的影响因素的敏感度,对建筑结构初步设计阶段的方案决策有一定积极指导意义。
王涵[3]（2020）在《A房地产项目设计阶段成本管理研究》文中提出近年来,特别是在“十三五”时期,国家下大力气进行宏观经济调控,房地产行业作为经济发展的重要领域,首当其冲受到重要关注,房地产企业对于项目市场开发也越来越理性化。市场竞争力度加大,项目建设成本费用提高,致使企业经营利润无法达到预期,给企业发展带来不小的生存压力,亟需改变企业目前被动的发展局面。鉴于此,房地产企业要想在激烈的市场竞争中占得先机,赢得主动,创造效益,实现公司健康长远发展,就必须采取强有力的措施加强项目成本管理,严格控制项目各阶段成本费用支出。设计阶段是项目实施的首要源头,严重影响着项目后续阶段的成本支出,甚至影响整个项目成本费用支出的70%以上。因此,设计阶段是房地产项目成本管理的关键阶段,对于开发商来说,要重视并加强设计阶段成本管理研究。目前,房地产开发商和设计单位对项目设计阶段成本管理的重要性,仍然认识不足,理解不深,缺乏系统性研究,导致很多项目还无法从根本上做到设计阶段成本管理最优化。设计阶段成本管理的主要任务是做到技术与经济的合理结合,只有这样,才能实现项目功能的最大化与成本管理的最优化。本文在这样的背景下,研究A房地产项目设计阶段的成本管理,具有极大的现实意义。本文基于设计阶段成本管理的基本理论,以A房地产项目设计阶段成本管理存在现状和问题入手,通过文献研究及问卷调查的方式找到成本管理的影响因素,运用层次分析法分析确定关键影响因素,利用价值工程和限额设计等方法对设计阶段成本管理进行改进,并提出项目在设计阶段成本管理过程中的保障措施,科学有效地进行项目成本的控制,达到利用有限的资源为项目创造更高价值的目的,也可为其他同类房地产项目提供借鉴与参考。本文图11幅,表32个,参考文献55篇。
陈乐[4]（2020）在《基于模糊数学理论的基础选型与可靠性分析研究》文中研究指明建筑物的所有结构部分中基础最重要。上部结构的可靠性受基础可靠性的影响,选择合理的基础型式既能保证建筑物的安全稳定又能降低成本。规范要求地基基础的设计使用年限必须不能小于建筑物本身的设计使用年限,建筑物建成后,要想达到设计使用年限的要求其本身必须具备足够的可靠性,从而基础的可靠性必须满足要求。通常确定基础型式大都以工程经验为主,这样很难做到最优化;目前对基础可靠性的研究很少并且未形成系统科学的理论体系。本文结合改进的层次分析法与以模糊数学为基础的模糊综合评估相结合的方法,对基础进行优化选型及对基础可靠性进行分析,主要的成果如下:（1）在总结传统层次分析法的优缺点后提出了从标度值与判断矩阵这两个方面对层次分析法进行改进并给出具体的计算步骤。（2）结合改进的层次分析法与模糊综合评估,建立了基础优化选型的递阶层次模型,并将其应用在具体的工程实例中,并通过PLAXIS 3D 2013数值软件对优选出的基础型式进行数值分析,模拟结果证实了优选出的基础符合设计要求,从而证明了该优选模型的合理性。（3）首次建立了详细的基础可靠性分析模型,主要从地基承载力、地基沉降、基础耐久性这三个方面进行研究,并且对各影响因素的子影响因素分别建立了详细隶属函数并给出对应的函数图像。（4）结合工程实例,采用建立的模型对其基础的可靠性进行分析,并与专业的检测机构的检测结果比较,结果一致,从而证明了运用改进的层次分析法与模糊综合评估相结合的方式评估基础的可靠性是可行的,从而为类似的工程提供参考。
于万秀[5]（2014）在《遗传神经网络与模糊综合评定结合在高层结构选型中应用》文中认为现在跟随建筑技术和建筑材料的进步,涌现出许多新的高层建筑结构形式,导致结构选型工作越来越困难。由此,结构选型问题在高层建筑结构设计中的重要性空前凸显,正日益受到土木工程师和设计人员越来越多的重视。但由于影响结构选型的因素复杂包含很多不确定性（随机性、模糊性和未确知性）信息,用传统的数学方法很难展开,急需研究一种既可以考虑确定性因素又可以考虑不确定因素的方法,从而得到最优结构形式。本文利用遗传神经网络与模糊综合评定结合来解决结构选型问题,全面的考虑影响选型因素达到最优选型目的。本文主要研究工作内容总结如下：（1）介绍高层建筑常用的几种结构形式及其特点,分析影响高层建筑结构选型的影响因素,为后面工作展开做好基础工作。（2）把遗传神经网络应用到高层建筑结构选型中来。搜集高层建筑实例建成样本集,选定影响结构选型的5个控制因素为输入神经元,4种常见高层结构形式为输出神经元,设计网络结构,建立结构优化选型网络,利用MATLAB遗传算法工具箱和神经网络工具箱编写遗传算法优化BP神经网络程序编码,对网络进行训练学习,完成选型任务。（3）利用模糊综合评定法借助MATLAB编程来完成结构选型工作。以一个工程实例建立结构选型层次结构模型,选定4种高层结构形式组成备选集,选定4个影响结构选型的模糊性因素组成因素集,确定各影响因素权值,分析各因素评价系统对其进行评定,得到总体评价矩阵得到评价结果,得出结构形式。（4）利用遗传神经网络与模糊综合评定相结合的方法完成选型任务。结合工程实例利用遗传神经网络初步选定结构形式,运用模糊综合评定评估已定结构形式,使得选择的结构形式更有效,更具说服力。
刘功良[6]（2012）在《基于遗传神经网络对高层建筑结构选型的研究》文中进行了进一步梳理随着经济与科技的迅猛发展，土木工程和结构工程在21世纪飞速发展，并且取得了巨大的成就。世界各国尤其是发达国家纷纷筹划建立更高、更大、更长的各种超大型复杂建筑。我国虽然是发展中国家，但由于近年来，经济建设的迅速发展和国家整体实力的增强，建造一批更高、更大、更长的建筑物即将成为十分现实的需求，这是我国建筑业领域面临的巨大机遇和挑战。但是由于大型复杂结构设计问题自身非常复杂性，选择余地的增大也意味着选择的结构体系和类型不恰当的可能性也大大增加，选型的不当会带来严重的后果且难以补救。因而，结构选型问题在大型复杂结构设计中的重要性空前凸显，正日益受到土木工程师和广大设计人员越来越多的重视。但是，因为结构选型是一个极为复杂的决策问题，具有强烈的综合性，包含很多不确定性（随机性、模糊性和未确知性）信息,用传统的数学规划法或准则法对此问题进行建模和求解很难奏效。因此，如果我们能找到土木工程结构,特别是大型复杂建筑的结构选型的科学决策方法，建立相应的智能选型系统，就可以来保证设计质量、缩短设计周期,并提高结构的综合性能。由于人工神经网络的知识处理具有集约特性，即知识的获取、表示和推理合为一体，它们都是通过神经网络的学习和训练实现的，从而可以充分利用样本性知识，而样本性知识相对来说是最容易获得的，因此，研究基于人工神经网络的大型复杂结构选型智能设计系统应是今后重点研究的问题之一。但是常用的神经网络的BP算法虽然能够保证网络学习过程最终收敛,但是存在着明显的局限性，神经网络可能得不到全局最优解,而是陷入局部最优解。故采用一种改进的神经网络-遗传神经网络，可以解决以上问题。基于遗传人工神经网络的方法来对高层建筑结构体系进行选择，该方法即充分运用了人工神经网络高度的非线性、高度的容错性和鲁棒性、自学习及实时处理等特点，又利用了遗传算法的全局优化能力,并且利用了神经网络存储专家的设计经验，使普通设计人员通过向人工神经网络输入若干高层建筑结构的基本信息，从而很轻松地解决高层建筑结构体系的选择问题。避免通过大量计算和经验来确定结构型式所造成的时间浪费和选型错误。对于推动土木工程结构设计全过程的自动化、集成化、智能化、网络化和数字化进程也将具有十分重要的意义。本文搜集大量的国内外高层建建筑实例，建立高层建筑实例库，提取高层建筑结构选型的主要影响因子，并且应用MATLAB神经网络工具箱建立遗传神经网络高层建筑结构选型的模型，利用MATLAB语言编制人机交互式界面使选型过程简单明了并与传统的神经网络方法进行比较,得出其优缺点。
喻敏波,王全凤[7]（2010）在《浅谈高层建筑结构选型》文中提出高层建筑的结构选型,不仅关系到高层建筑的结构安全,而且影响高层建筑的美观适用。因此,我们应当注重建筑概念设计中对结构选型的研究。本文阐述了高层建筑的主要结构型式和影响选型的因素,并且简要介绍了目前国内外学者对结构选型方法的研究,通过分析现有结构选型方法及其不足,展望了研究的前景和趋势。
梁本亮[8]（2007）在《基于ArcGIS的上海市超限高层建筑工程数据库建设》文中认为以上海市超限高层建筑工程抗震设计信息为依托,分析了基于GIS的管理信息系统在超限高层建筑工程抗震设计信息管理中的作用,论述了课题研究的意义和必要性。论文分为四部分。第一章和第二章介绍了论文的相关背景和GIS相关理论,并讨论了国内外研究现状;第三章以上海环球金融中心为例,讨论超限高层建筑的数值计算流程,小比例尺模型地震反应振动台试验,在此基础上完成超限高层建筑工程抗震设计属性信息提取,构建属性数据库;第四章和第五章重点介绍GIS应用到抗震设计信息管理系统中的关键技术以及相关的解决方案等;第六章重点讨论了基于实例库的高层建筑结构选型,是本文研究数据库的功能延伸,采用数据挖掘方法来完成。论文主要内容如下:（1）以上海环球金融中心为例,系统分析了超限高层建筑工程抗震设计流程,内容涵盖整体结构计算分析,结构弹塑性时程分析,振动台模型试验;完成属性信息的提取;（2）以ArcGIS平台为基础,建立了基于SQL Server 2000的上海市超限高层建筑工程抗震设计信息数据库。同时采用ArcSDE技术,Geodatabase数据模型,将上海市基础空间数据引入到关系型数据库中;采用UML技术完成数据库的面向对象建构,分别给出了空间数据库和属性数据库的详细设计;（3）以ComGIS作为核心技术进行了基于ArcGIS Engine的二次开发,构建上海市超限高层建筑工程抗震设计信息系统软件SDGIS。依据软件工程理论给出了系统的详细设计、主要功能模块以及软件的运行和开发环境;（4）突破了传统信息管理软件单一的管理功能,强化了对信息的有效利用与挖掘,进而实现辅助决策。通过多项技术的整合,充分利用抗震设计信息,对高层结构的选型做了相关研究,首次引入灰色关联理论,将结构选型的主要影响因素进行了量化分析,并分别以改进的Apriori算法和贝叶斯网络法进行了结构选型的定量型关联规则挖掘;（5）引入ArcGIS Engine技术,将GIS与传统的信息管理系统相结合,使得研究目标具有了空间属性,提高了抗震设计信息的可视化水平;（6）利用程序接口技术实现了多种实用技术的集成。系统研发过程中还涉及到数据库技术、OLE编程技术、组件技术、面向对象的UML建模,这些技术分别隶属于不同的软件技术,本文设计和开发多种数据接口及程序接口,实现了这些技术在统一的平台下的集成。
苏键,谭平,周福霖[9]（2006）在《土木工程专家系统的应用和发展趋势》文中研究指明从专家系统的定义、组成、特点以及专家系统和一般计算机程序的区别、专家系统的开发与应用等方面介绍了专家系统的基本原理。阐述了专家系统在项目评估、诊断、决策和预测、建筑设计及优化、项目管理、施工技术以及一些特殊领域的应用。对土木工程领域专家系统的研究成果和应用情况进行总结和归纳,分析了现有土木工程专家系统存在的几个问题。在此基础上展望了专家系统在土木工程领域的应用和发展趋势,可以预见随着计算机应用的日益普及,专家系统在土木工程领域将有更为广阔的发展前景。
徐宇鸣[10]（2006）在《多层钢结构住宅结构设计专家系统（MSR-ES）》文中认为钢结构住宅体系以其结构自重轻、施工周期短、便于实现工业化、产业化等优势，正在成为住宅市场的一个亮点，并已被专家论证是代替砖混结构住宅最理想的体系之一。但是，目前我们对钢结构住宅的认识仍处于初步阶段，很多相应的技术性问题尚未规范化、完善化。在对多层钢结构住宅进行结构设计的时候，会遇到很多不确定的问题，例如结构体系的选取，构件截面形式的选择或钢号的选取等等，这些涉及到概念、判定、经验的问题无法进行定量表达，用传统的程序处理是难以办到的。在这样的背景条件下，本文开展了多层钢结构住宅结构设计专家系统的研制开发。 本课题的研究旨在利用先进成熟的人工智能技术研制一套能对多层钢结构住宅进行结构设计的专家系统，提供给那些尚无多少设计经验的设计人员，以避免犯原则性的错误；同时，这个系统随着知识库的增强，也能给比较有经验的设计人员提供参考方案，达到高质量、快速地实现多层钢结构住宅的结构设计。 本文首先研究了多层钢结构住宅结构选型的专门知识。通过采取多种手段，如阅读大量钢结构住宅相关规范、书籍和文献，开展问卷调查，搜集工程实例，进行专家访谈等等，对多层钢结构住宅的结构选型进行了研究，提出其结构选型的影响因素和选型原则。 其次，作者运用人工智能理论、计算机科学、工程设计理论等多学科知识，采用Visual Basic和Visual Prolog两种语言开发了多层钢结构住宅结构设计专家系统（MSR-ES）。该系统利用友好的人机界面接收初始设计条件，然后通过搜索规则库进行自动推理，最终给出多层钢结构住宅结构体系、柱和楼板的优化选型结果以及配套墙板的选型建议。 最后，作者采用MATLAB语言开发了基于人工神经网络的结构选型设计程序，经测试验证，可用于多层钢结构住宅的结构体系选择。作者还进行了神经网络自学习的探索，经分析得出结论，BP神经网络一些致命的缺陷使其难以实现辅助专家系统进行自学习的目标。
二、高层建筑基础选型专家系统研究（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、高层建筑基础选型专家系统研究（论文提纲范文）
（1）城市高层住宅绿色建筑设计方案评价及软件开发研究（论文提纲范文）
| 1 建立绿色建筑设计方案评价体系 |
| 2 绿色建筑设计方案评价计算与分析 |
| 3 绿色建筑设计方案评价的软件开发 |
| 4 结论 |
（2）国内100-150米超高层公寓结构成本影响因素研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 选题依据与研究意义 |
| 1.1.1 选题依据 |
| 1.1.2 研究意义 |
| 1.2 结构设计综合评价方法的国内外研究现状 |
| 1.2.1 国内研究现状 |
| 1.2.2 国外研究现状 |
| 1.3 本文主要研究内容与思路 |
| 1.3.1 研究内容 |
| 1.3.2 研究思路 |
| 1.4 创新性工作 |
| 第二章 研究对象主要特点及结构造价影响因素分析 |
| 2.1 国内100-150米高度居住型公寓的主要设计特点 |
| 2.1.1 超高层公寓的设计特点 |
| 2.1.2 本文主要分析平面模型的确定 |
| 2.2 国内100-150米高度居住型公寓的结构体系选择 |
| 2.2.1 超高层结构体系选型概述 |
| 2.2.2 100-150米超高层公寓的结构体系选型 |
| 2.3 国内100-150米高度居住型公寓的结构设计造价影响因素分析 |
| 2.3.1 建筑方案特征因素 |
| 2.3.2 环境条件因素 |
| 2.3.3 主要影响因素的初步判断 |
| 2.4 本章小结 |
| 第三章 关于研究对象综合评价方法的探讨 |
| 3.1 综合评价方法概述 |
| 3.2 层次分析法 |
| 3.2.1 层次分析法概述 |
| 3.2.2 层次分析法在高层建筑选型决策中的应用 |
| 3.2.3 层次分析法的特点和局限性 |
| 3.3 BP神经网络分析法 |
| 3.3.1 BP神经网络分析法概述 |
| 3.3.2 BP神经网络法的特点和局限性 |
| 3.4 模糊综合评判与模糊聚类 |
| 3.5 灰色系统理论及灰色关联度分析 |
| 3.5.1 灰色系统理论概述 |
| 3.5.2 灰色关联分析 |
| 3.6 本文综合评价方法的确定 |
| 3.6.1 关于研究对象综合评价方法的选择 |
| 3.6.2 综合评价指标的确定 |
| 3.7 本章小结 |
| 第四章 主体结构成本影响因素的结构模型分析 |
| 4.1 分析模型的建立 |
| 4.1.1 基础分析模型概况 |
| 4.1.2 材料强度概况 |
| 4.1.3 结构分析的主要控制指标 |
| 4.2 关于建筑高度变量的分析 |
| 4.2.1 分析模型概况 |
| 4.2.2 结构分析结果比较 |
| 4.2.3 建筑高度变量对评价指标的影响分析 |
| 4.3 关于风荷载变量的分析 |
| 4.3.1 分析模型概况 |
| 4.3.2 结构分析结果比较 |
| 4.3.3 风荷载变量对评价指标的影响分析 |
| 4.4 关于地震作用变量的分析 |
| 4.4.1 分析模型概况 |
| 4.4.2 结构分析结果比较 |
| 4.4.3 地震作用变量对评价指标的影响分析 |
| 4.5 关于建筑层高变量的分析 |
| 4.5.1 分析模型概况 |
| 4.5.2 建筑层高变量对评价指标的影响分析 |
| 4.6 关于建筑体型变量的分析 |
| 4.6.1 分析模型概况 |
| 4.6.2 结构分析结果及评价指标的影响分析 |
| 4.7 本章小结 |
| 第五章 主体结构成本影响因素的灰色关联度分析 |
| 5.1 灰色关联度分析的主要步骤 |
| 5.2 MATLAB程序简介 |
| 5.3 国内100-150米高度居住型公寓结构影响因素的灰色关联度分析 |
| 5.4 以工程实例检验灰色关联度分析结果 |
| 5.5 本章小结 |
| 第六章 关于地基基础成本影响因素的研究 |
| 6.1 项目案例 |
| 6.1.1 项目概况 |
| 6.1.2 工程地质概况 |
| 6.1.3 130米高度区段高层建筑基础方案比选 |
| 6.1.4 小结 |
| 6.2 地基基础成本影响因素分析 |
| 6.2.1 超高层建筑基础设计特点 |
| 6.2.2 影响基础成本的主要因素 |
| 6.2.3 地质条件因素 |
| 6.2.4 特殊地质条件因素 |
| 6.2.5 主体结构条件因素 |
| 6.2.6 环境条件因素 |
| 6.2.7 施工条件因素 |
| 6.3 本章小结 |
| 结论与展望 |
| 参考文献 |
| 攻读硕士学位期间取得的研究成果 |
| 致谢 |
| 附件 |
（3）A房地产项目设计阶段成本管理研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 选题的背景及意义 |
| 1.1.1 选题背景 |
| 1.1.2 选题意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 本文研究内容和研究方法 |
| 1.3.1 本文研究的内容 |
| 1.3.2 本文研究的方法 |
| 1.3.3 本文研究的技术路线 |
| 2 房地产项目设计阶段成本管理基本理论 |
| 2.1 成本管理基本理论 |
| 2.1.1 成本管理概念 |
| 2.1.2 成本管理基本原则 |
| 2.2 成本管理内容及特点 |
| 2.2.1 成本管理内容 |
| 2.2.2 成本管理特点 |
| 2.3 成本管理技术理论 |
| 2.3.1 价值工程 |
| 2.3.2 限额设计 |
| 3 A房地产项目设计阶段成本管理现状及问题分析 |
| 3.1 项目概况 |
| 3.2 项目设计阶段成本管理现状 |
| 3.3 项目设计阶段成本管理问题分析 |
| 3.4 项目设计阶段成本管理影响因素分析 |
| 3.4.1 影响因素的初步识别 |
| 3.4.2 问卷调查 |
| 3.4.3 问卷反馈结果整理 |
| 3.4.4 层次分析法确定关键影响因素 |
| 3.5 本章小结 |
| 4 A房地产项目设计阶段成本管理对策与成效 |
| 4.1 项目设计阶段成本管理的总体思路 |
| 4.2 项目设计阶段成本管理的改进措施 |
| 4.2.1 设计方案比选 |
| 4.2.2 确定科学合理的限额设计 |
| 4.2.3 优化施工图设计 |
| 4.3 项目设计阶段成本管理的保障措施 |
| 4.3.1 技术措施 |
| 4.3.2 组织措施 |
| 4.3.3 经济措施 |
| 4.3.4 合同措施 |
| 4.4 项目设计阶段成本管理整体成效 |
| 4.4.1 限额设计指标对比 |
| 4.4.2 结果优化对比 |
| 4.5 本章小结 |
| 5 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 参考文献 |
| 附录A A房地产项目设计阶段成本管理影响因素调查问卷 |
| 附录B A房地产项目设计阶段成本管理影响因素调查问卷 |
| 附录C |
| 索引 |
| 作者简历 |
| 学位论文数据集 |
（4）基于模糊数学理论的基础选型与可靠性分析研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 选题背景及研究意义 |
| 1.1.1 选题背景 |
| 1.1.2 研究意义 |
| 1.2 基础选型国内外研究现状 |
| 1.2.1 国内研究现状 |
| 1.2.2 国外研究现状 |
| 1.3 基础可靠性国内外研究现状 |
| 1.3.1 国内研究现状 |
| 1.3.2 国外研究现状 |
| 1.4 本文研究内容 |
| 第二章 结构可靠度理论 |
| 2.1 概述 |
| 2.2 结构功能函数 |
| 2.3 可靠度与失效概率计算 |
| 2.4 可靠度指标β计算方法 |
| 2.4.1 中心点法(一次二阶距法) |
| 2.4.2 验算点法 |
| 2.4.3 JC法 |
| 2.4.4 蒙特卡罗法 |
| 2.4.5 可靠度计算方法的优缺点评述 |
| 2.5 结构可靠性评定 |
| 2.6 本章小结 |
| 第三章 基础可靠性 |
| 3.1 概述 |
| 3.2 地基承载力可靠性 |
| 3.2.1 确定地基承载力 |
| 3.2.2 确定地基极限承载力 |
| 3.2.3 地基承载力等级划分 |
| 3.3 地基沉降可靠性 |
| 3.3.1 地基沉降的产生及计算 |
| 3.3.2 地基沉降等级划分 |
| 3.4 基础耐久性 |
| 3.4.1 概述 |
| 3.4.2 混凝土碳化 |
| 3.4.3 钢筋锈蚀 |
| 3.5 本章小结 |
| 第四章 改进层次分析法与模糊综合评估 |
| 4.1 概述 |
| 4.2 模糊数学 |
| 4.2.1 模糊数学产生与发展 |
| 4.2.2 模糊集合 |
| 4.2.3 隶属函数与隶属度 |
| 4.2.4 常用的隶属函数 |
| 4.3 传统的层次分析法 |
| 4.4 改进的层次分析法 |
| 4.4.1 概述 |
| 4.4.2 标度值的改进 |
| 4.4.3 比较判断矩阵的改进 |
| 4.5 模糊综合评估 |
| 4.6 本章小结 |
| 第五章 基础选型 |
| 5.1 常用基础形式介绍 |
| 5.1.1 概述 |
| 5.1.2 浅基础 |
| 5.1.3 深基础 |
| 5.1.4 选型原则 |
| 5.2 工程实例 |
| 5.2.1 工程概况 |
| 5.2.2 气候条件及地形地貌 |
| 5.2.3 各土层特征 |
| 5.2.4 水文地质条件 |
| 5.3 递阶层次模型建立 |
| 5.4 构造比较判断矩阵及计算各评价因素的权重 |
| 5.4.1 确定专家权重 |
| 5.4.2 确定准则层的比较判断矩阵及权重 |
| 5.4.3 确定指标层的比较判断矩阵及权重 |
| 5.5 模糊综合评价 |
| 5.6 桩筏基础数值模拟 |
| 5.6.1 PLAXIS3D2013 简介 |
| 5.6.2 网格划分 |
| 5.6.3 地基基础沉降云图及桩轴力图 |
| 5.7 本章小结 |
| 第六章 基础可靠性评定 |
| 6.1 本工程基础的基本参数 |
| 6.2 基础可靠性的递阶层次结构 |
| 6.3 确定准则层比较判断矩阵及权重 |
| 6.4 确定指标层比较判断矩阵及权重 |
| 6.5 地基基础可靠性评估 |
| 6.5.1 地基承载力相关指标的隶属函数建立及承载力可靠性评估 |
| 6.5.2 地基沉降相关指标的隶属函数建立及沉降可靠性评估 |
| 6.5.3 基础耐久性相关指标的隶属函数建立及耐久性评估 |
| 6.5.4 地基稳定性相关指标的隶属函数建立及稳定性评估 |
| 6.5.5 地基基础可靠性评估 |
| 6.6 本章小结 |
| 第七章 结论与展望 |
| 7.1 结论 |
| 7.2 展望 |
| 参考文献 |
| 研究生期间发表的学术论文 |
| 研究生期间参加的科研项目 |
| 致谢 |
（5）遗传神经网络与模糊综合评定结合在高层结构选型中应用（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 高层建筑的发展特点及近况 |
| 1.1.1 高层建筑特点 |
| 1.1.2 高层建筑发展近况 |
| 1.2 课题背景及研究意义 |
| 1.3 关于结构选型国内外研究现状 |
| 1.3.1 国外结构选型研究状况 |
| 1.3.2 国内结构选型研究状况 |
| 1.4 本文研究目的与内容 |
| 1.4.1 本文的研究目的 |
| 1.4.2 本文研究的主要研究内容 |
| 1.5 本章小结 |
| 2 高层建筑结构形式及影响结构选型的因素分析 |
| 2.1 常用的几种高层建筑结构型式 |
| 2.1.1 结构形式特点 |
| 2.1.2 各结构体系适用的房屋髙度 |
| 2.2 影响高层建筑结构选型的因素 |
| 2.2.1 结构功能适应性对结构选型的影响 |
| 2.2.2 结构受力合理性对结构选型的影响 |
| 2.2.3 结构的施工方便性对结构选型的影响 |
| 2.2.4 经济因素对结构选型的影响 |
| 2.2.5 结构的抗灾减灾能力对结构选型的影响 |
| 2.2.6 结构的美学效应对结构选型的影响 |
| 2.3 本章小结 |
| 3 遗传神经网络在结构选型中的应用 |
| 3.1 遗传神经网络理论基础 |
| 3.1.1 神经网络基础理论 |
| 3.1.2 遗传算法理论 |
| 3.1.3 遗传算法的操作 |
| 3.1.4 遗传算法和神经网络的融合 |
| 3.2 遗传神经网络在结构选型中的应用 |
| 3.2.1 遗传神经网络模型输入输出节点的选择 |
| 3.2.2 神经网络的样本数据采集及处理 |
| 3.2.3 遗传神经网络的建立 |
| 3.3 运行结果输出与分析 |
| 3.4 本章小结 |
| 4 模糊综合评判法在结构选型中的应用 |
| 4.1 模糊评判法的理论基础 |
| 4.1.1 模糊综合评判法数学模型 |
| 4.1.2 模糊综合评判法基本步骤 |
| 4.1.3 模糊综合评定法影响因素的权值的确定 |
| 4.2 模糊综合评定法工程应用 |
| 4.2.1 确定方案集和因素集 |
| 4.2.2 确定影响因素权值 |
| 4.2.3 利用各影响因素评价系统作分析 |
| 4.2.4 利用多因素模糊综合评价系统作整个系统的综合分析 |
| 4.3 本章小结 |
| 5 遗传神经网络与模糊综合评定相结合在结构选型中应用 |
| 5.1 遗传神经网络与模糊综合评判相结合的目的 |
| 5.2 结构选型的具体实施过程 |
| 5.3 结合工程实例应用 |
| 5.3.1 初步选定结构形式 |
| 5.3.2 评估已定结构形式 |
| 5.4 本章小结 |
| 6 结论与展望 |
| 6.1 本文总结 |
| 6.2 展望 |
| 研宄生期间发表论文 |
| 参考文献 |
| 致谢 |
（6）基于遗传神经网络对高层建筑结构选型的研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 创新点摘要 |
| 第一章 绪论 |
| 1.1 本课题选题的来源与意义 |
| 1.2 常用的结构形式及结构选型的简述 |
| 1.2.1 高层建筑按照结构分类 |
| 1.2.2 高层结构选型的简述 |
| 1.3 国内外结构选型研究的状况 |
| 1.3.1 国内结构选型研究的状况 |
| 1.3.2 结构选型国外的研究状况 |
| 1.4 结构选型的主要研究方法 |
| 1.4.1 结构选型传统的设计方法 |
| 1.4.2 结构选型传统的设计方法的缺陷 |
| 1.4.3 结构选型智能设计方法 |
| 1.4.4 结构选型智能设计方法存在的问题 |
| 1.5 本课题研究的目的 |
| 第二章 神经网络的基本理论 |
| 2.1 BP 神经网络 |
| 2.1.1 BP 网络的学习算法 |
| 2.1.2 BP 网络的局限性 |
| 2.1.3 改进的 BP 算法 |
| 2.2 RBF 神经网络 |
| 2.2.1 径向基函数网络模型 |
| 2.2.2 径向基函数网络学习算法的数学描述 |
| 2.2.3 有关径向基神经网络的几个问题 |
| 2.3 遗传神经网络 |
| 2.3.1 遗传算法 |
| 2.3.2 遗传算法的操作 |
| 2.3.3 遗传算法和神经网络的融合 |
| 2.3.4 遗传算法优化 BP 神经网络的权值 |
| 第三章 高层建筑结构选型的影响因素分析及样本采集 |
| 3.1 建筑物高度的影响 |
| 3.1.1 钢筋混凝土体系 |
| 3.1.2 钢结构体系 |
| 3.2 建筑物的使用功能要求 |
| 3.3 环境条件：基本风压；设防烈度 |
| 3.4 高层建筑场地类别 |
| 3.5 建筑结构材料对高层建筑结构选型的影响 |
| 3.6 建筑方案特征 |
| 3.7 高层建筑结构选型影响因子采集 |
| 3.8 神经网络的样本数据采集 |
| 第四章 遗传神经网络对高层建筑结构选型的研究 |
| 4.1 高层建筑样本数据的处理 |
| 4.2 传统神经网络的建立，训练与预测 |
| 4.2.1 BP 神经网络预测 |
| 4.2.2 RBF 神经网络预测 |
| 4.3 遗传神经网络对高层建筑结构选型的分析 |
| 4.3.1 MATLAB 遗传算法函数简介 |
| 4.3.2 遗传神经网络的建立 |
| 4.4 方法对比分析 |
| 4.5 高层建筑结构选型可视化系统的建立 |
| 4.6 小结 |
| 结论与展望 |
| 参考文献 |
| 发表文章目录 |
| 致谢 |
| 详细摘要 |
（7）浅谈高层建筑结构选型（论文提纲范文）
| 1 引言 |
| 2 高层建筑结构体系形式 |
| 3 高层建筑选型主要内容和要求 |
| 4 高层建筑选型影响因素分析 |
| (1) 建筑物所处环境: |
| (2) 建筑功能要求: |
| (3) 结构材料: |
| (4) 施工水平: |
| (5) 建筑结构设计理论的发展: |
| 5 高层建筑结构选型方法研究现状 |
| (1) 基于专家系统 (ES) 的智能型式优化方法 |
| (2) 基于事例的推理 (CBR) 的智能型式优化方法 |
| (3) 基于知识发现 (KDD) 的智能型式优化方法 |
| (4) 基于人工神经网络 (ANN) 的智能型式优化方法 |
| 6 总结和展望 |
（8）基于ArcGIS的上海市超限高层建筑工程数据库建设（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 引言 |
| 1.1 论文选题与研究背景 |
| 1.1.1 高层建筑高度和结构体系的发展历程 |
| 1.1.2 结构工程抗震设计发展历程 |
| 1.1.3 超限高层建筑工程抗震设防专项审查 |
| 1.1.4 构建基于空间要素的超限高层建筑工程抗震设计信息库的必要性 |
| 1.2 构建超限高层建筑工程抗震设计信息系统的意义 |
| 1.3 国内外研究现状 |
| 1.3.1 国外针对超限高层建筑工程抗震设计的信息化建设 |
| 1.3.2 国内针对超限高层建筑工程抗震设计的信息化建设 |
| 1.4 研究方法与技术路线 |
| 1.5 本章小结 |
| 第2章 地理信息系统概述 |
| 2.1 GIS发展历程 |
| 2.2 GIS基本概念 |
| 2.2.1 空间实体及分类 |
| 2.2.2 基于空间的地图表征 |
| 2.2.3 地物要素的拓扑关系 |
| 2.2.4 地理信息基础数据 |
| 2.2.5 地理空间数据组织 |
| 2.2.6 地理空间数据存储与管理 |
| 2.3 GIS开发相关技术 |
| 2.3.1 地理信息系统的数据库 |
| 2.3.2 组件技术在GIS中的应用 |
| 2.3.3 地理信息系统构件 |
| 2.3.4 GIS二次开发方法 |
| 2.4 基于GIS的管理信息系统 |
| 2.4.1 管理信息系统体系结构 |
| 2.4.2 二层C/S体系结构 |
| 2.4.3 三层C/S体系结构 |
| 2.4.4 B/S体系结构 |
| 2.4.5 C/S与B/S体系结构 |
| 2.5 本章小结 |
| 第3章 超限高层建筑抗震设计信息管理 |
| 3.1 抗震设计信息管理现状 |
| 3.2 抗震设计信息成果形式 |
| 3.3 超限高层建筑工程实例 |
| 3.3.1 工程概况 |
| 3.3.2 结构超限情况 |
| 3.3.3 结构布置和选型 |
| 3.3.4 结构抗震设防标准 |
| 3.3.5 基础设计 |
| 3.4 结构计算分析 |
| 3.4.1 分析模型 |
| 3.4.2 动力特性计算结果 |
| 3.4.3 地震反应计算结果 |
| 3.4.4 时程分析结果 |
| 3.4.5 结构计算属性信息提取 |
| 3.5 整体结构模拟地震振动台试验 |
| 3.5.1 模型/原型相似关系 |
| 3.5.2 模型简化 |
| 3.5.3 试验流程 |
| 3.5.4 试验分析成果 |
| 3.5.5 原型结构抗震性能 |
| 3.5.6 抗震试验属性信息提取 |
| 3.6 节点试验研究 |
| 3.6.1 试件设计 |
| 3.6.2 节点试验结果 |
| 3.6.3 有限元计算分析 |
| 3.6.4 节点试验信息提取 |
| 3.7 岩土工程勘察成果 |
| 3.8 本章小结 |
| 第4章 超限高层建筑工程抗震设计信息数据库设计 |
| 4.1 数据需求分析 |
| 4.1.1 数据信息分类 |
| 4.1.2 数据信息处理 |
| 4.2 空间数据库构建 |
| 4.2.1 空间数据模型 |
| 4.2.2 空间数据库逻辑设计 |
| 4.2.3 空间数据库物理设计 |
| 4.2.4 空间数据库的建立 |
| 4.2.5 空间数据库的结构与功能设计 |
| 4.3 属性数据库设计 |
| 4.3.1 属性数据库信息构成 |
| 4.3.2 属性数据库概念设计 |
| 4.3.3 属性数据库逻辑设计 |
| 4.3.4 属性数据库物理设计 |
| 4.3.5 属性数据库结构与功能设计 |
| 4.4 空间数据与属性数据整合 |
| 4.5 数据库的实施与维护 |
| 4.5.1 数据库的实施 |
| 4.5.2 数据库的运行与维护 |
| 4.6 本章小结 |
| 第5章 基于实例库的抗震设计SDGIS信息系统建设 |
| 5.1 系统开发的技术需求 |
| 5.1.1 系统开发软件环境 |
| 5.1.2 系统开发硬件配置 |
| 5.2 系统需求分析 |
| 5.3 系统总体设计 |
| 5.3.1 系统设计原则 |
| 5.3.2 系统总体结构 |
| 5.3.3 技术实施路线 |
| 5.4 系统功能分析与设计 |
| 5.4.1 系统功能UML类 |
| 5.4.2 系统功能模块 |
| 5.5 系统界面设计 |
| 5.6 系统运行框架 |
| 5.7 系统集成 |
| 5.7.1 系统集成框架 |
| 5.7.2 系统集成开发 |
| 5.8 系统应用实例 |
| 5.9 本章小结 |
| 第6章 超限高层建筑工程结构选型的数据挖掘 |
| 6.1 数据挖掘概述 |
| 6.2 数据挖掘方法 |
| 6.2.1 BP神经网络 |
| 6.2.2 遗传算法 |
| 6.2.3 决策树法 |
| 6.2.4 粗糙集理论 |
| 6.3 高层建筑结构发展与体系选型 |
| 6.3.1 高层建筑结构类型及其优缺点 |
| 6.3.2 高层建筑结构体系选型 |
| 6.3.3 高层结构选型的研究现状 |
| 6.4 高层建筑结构选型影响因子量化 |
| 6.4.1 高层建筑结构实例库 |
| 6.4.2 高层结构工程选型影响因素分析 |
| 6.4.3 基于灰色关联的影响因子权重分析 |
| 6.5 基于贝叶斯网络的高层结构选型数据挖掘 |
| 6.5.1 贝叶斯网络 |
| 6.5.2 基于贝叶斯网络的结构选型 |
| 6.6 基于Apriori算法的结构选型关联规则挖掘 |
| 6.6.1 关联规则挖掘 |
| 6.6.2 Apriori算法 |
| 6.6.3 利用Apriori算法进行结构选型的关联规则挖掘 |
| 6.7 本章小结 |
| 第7章 结论与展望 |
| 7.1 本文主要结论 |
| 7.2 下一步研究工作 |
| 致谢 |
| 参考文献 |
| 个人简历 在读期间发表的学术论文与研究成果 |
（9）土木工程专家系统的应用和发展趋势（论文提纲范文）
| 0 引 言 |
| 1 专家系统的原理 |
| 1.1 定 义 |
| 1.2 组成及特点 |
| 1.3 开发和应用 |
| 2 土木工程专家系统的应用 |
| 2.1 评估、诊断、决策和预测 |
| 2.2 建筑设计和优化 |
| 2.3 项目管理 |
| 2.4 施工技术 |
| 2.5 其他领域 |
| 3 存在的问题 |
| (1) 使用者对专家系统的认识存在误区 |
| (2) 专家系统不具有专家水平 |
| (3) 专家系统的老化 |
| (4) 专家系统推理过程的不透明 |
| 4 现状与展望 |
| 5 结 语 |
（10）多层钢结构住宅结构设计专家系统（MSR-ES）（论文提纲范文）
| 独创性声明 |
| 学位论文版权使用授权书 |
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 本课题的研究背景和意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 钢结构住宅的发展优势 |
| 1.2.1 钢结构住宅的国内外应用现状 |
| 1.2.2 钢结构住宅的优点 |
| 1.3 土木工程专家系统的发展现状 |
| 1.3.1 国外研究现状 |
| 1.3.2 国内研究现状 |
| 1.4 主要研究内容 |
| 第2章 专家系统理论概述 |
| 2.1 专家系统的定义和基本结构 |
| 2.1.1 什么是专家系统 |
| 2.1.2 专家系统的结构 |
| 2.2 专家系统与传统程序的区别 |
| 2.2.1 专家系统的特点 |
| 2.2.2 专家系统与传统程序的区别 |
| 2.3 专家系统的知识表示 |
| 2.3.1 产生式表示法 |
| 2.3.2 框架表示法 |
| 2.3.3 语义网络表示法 |
| 2.3.4 逻辑表示法 |
| 2.4 专家系统的知识获取 |
| 2.4.1 知识获取概述 |
| 2.4.2 知识获取的基本方法 |
| 2.5 专家系统的推理与控制策略 |
| 2.5.1 推理控制策略 |
| 2.5.2 精确推理与不精确推理 |
| 2.5.3 单调推理与非单调推理 |
| 2.6 专家系统的解释机制 |
| 2.6.1 解释机制概述 |
| 2.6.2 解释机制的实现方法 |
| 2.7 专家系统的开发工具 |
| 2.7.1 专家系统开发工具的介绍 |
| 2.7.2 Visual Prolog语言简介 |
| 第3章 MSR-ES的专门知识及其知识获取 |
| 3.1 多层钢结构住宅结构体系的选择 |
| 3.1.1 多层钢结构住宅结构体系介绍 |
| 3.1.2 多层钢结构住宅结构选型的影响因素 |
| 3.1.3 多层钢结构住宅结构体系的选型原则 |
| 3.1.4 多层钢结构住宅结构选型专门知识的获取 |
| 3.2 多层钢结构住宅柱的选型 |
| 3.2.1 适用于多层钢结构住宅的柱的介绍 |
| 3.2.2 多层钢结构住宅柱的选型意见 |
| 3.3 多层钢结构住宅的楼板选型 |
| 3.3.1 适用于多层钢结构住宅的楼板介绍 |
| 3.3.2 多层钢结构住宅楼板的选型意见 |
| 3.4 多层钢结构住宅配套墙板的选择建议 |
| 第4章 MSR-ES的计算机实现 |
| 4.1 编程前的准备工作 |
| 4.1.1 多层钢结构住宅经济适用的主流房型研究 |
| 4.1.2 全国各城市的基本风压值的统计分析 |
| 4.2 MSR-ES的构建 |
| 4.2.1 MSR-ES简介 |
| 4.2.2 MSR-ES的知识表示与推理方法 |
| 4.2.3 MSR-ES的组成模块介绍 |
| 4.3 MSR-ES的工程实例应用 |
| 4.4 编程涉及的几个关键技术 |
| 4.4.1 Visual Basic与Visual Prolog的程序接口 |
| 4.4.2 在Visual Basic中通过相对路径引用标准DLL的方法 |
| 4.4.3 Visual Basic的程序打包发布 |
| 第5章 基于神经网络的结构选型程序实现 |
| 5.1 人工神经网络概述 |
| 5.1.1 人工神经网络的定义及特性 |
| 5.1.2 人工神经网络理论基础 |
| 5.2 BP神经网络及其改进的L-M算法介绍 |
| 5.2.1 BP神经网络概述 |
| 5.2.2 L-M算法简介 |
| 5.3 ANN结构选型的程序实现 |
| 5.3.1 MATLAB语言及其神经网络工具箱概述 |
| 5.3.2 网络学习前的数据处理 |
| 5.3.3 程序实现 |
| 5.4 程序运行实例 |
| 5.5 BP网络的设计与训练技巧 |
| 5.6 运用神经网络进行自学习的难点探讨 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间的研究成果 |
| 致谢 |
| 附录一 专家意见问卷调查 |
| 附录二 基于神经网络的多层钢结构住宅结构体系选择程序 |
四、高层建筑基础选型专家系统研究（论文参考文献）
- [1]城市高层住宅绿色建筑设计方案评价及软件开发研究[J]. 张津,王晓. 湖北工程学院学报, 2021(06)
- [2]国内100-150米超高层公寓结构成本影响因素研究[D]. 莫慧珊. 华南理工大学, 2020(05)
- [3]A房地产项目设计阶段成本管理研究[D]. 王涵. 北京交通大学, 2020(03)
- [4]基于模糊数学理论的基础选型与可靠性分析研究[D]. 陈乐. 吉林建筑大学, 2020(04)
- [5]遗传神经网络与模糊综合评定结合在高层结构选型中应用[D]. 于万秀. 中南大学, 2014(03)
- [6]基于遗传神经网络对高层建筑结构选型的研究[D]. 刘功良. 东北石油大学, 2012(12)
- [7]浅谈高层建筑结构选型[J]. 喻敏波,王全凤. 福建建筑, 2010(05)
- [8]基于ArcGIS的上海市超限高层建筑工程数据库建设[D]. 梁本亮. 同济大学, 2007(08)
- [9]土木工程专家系统的应用和发展趋势[J]. 苏键,谭平,周福霖. 建筑科学与工程学报, 2006(04)
- [10]多层钢结构住宅结构设计专家系统（MSR-ES）[D]. 徐宇鸣. 东北大学, 2006(12)