【摘 要】
：
在建筑业快速发展的大背景下,施工安全生产形势也逐渐严峻。近五年来的安全生产事故起数和死亡人数持续增加。为防控安全生产事故,加强安全教育培训是重要手段。但现阶段的安全教育培训内容长期重复、培训形式单一,导致安全教育培训效果欠佳。区别于传统体验馆只考虑知识培训或事故体验单方面的刺激,本文的建筑施工安全监控智慧体验区,从安全知识、事故体验、监控设备和智能装置这四个维度全面提升体验者安全生产能力。提出了建
论文部分内容阅读
在建筑业快速发展的大背景下,施工安全生产形势也逐渐严峻。近五年来的安全生产事故起数和死亡人数持续增加。为防控安全生产事故,加强安全教育培训是重要手段。但现阶段的安全教育培训内容长期重复、培训形式单一,导致安全教育培训效果欠佳。区别于传统体验馆只考虑知识培训或事故体验单方面的刺激,本文的建筑施工安全监控智慧体验区,从安全知识、事故体验、监控设备和智能装置这四个维度全面提升体验者安全生产能力。提出了建筑施工安全监控设备体验和智能装置体验,能让施工现场人员认识信息化施工安全管理的手段,增强其学习兴趣,真正实现化“要我学”为“我要学”。1、通过数据收集分析和资料汇总梳理了建筑施工安全管理的需求点,接着通过专家访谈对建筑施工安全监控智慧体验区项目设置的要求进行了汇总整理。2、基于需求分析结果,进一步对建筑施工安全监控智慧体验区项目进行详细设置,主要包括安全教育培训项目、事故模拟体验项目、监控设备体验项目和智能装置体验项目这四大类。3、根据项目设置,参考博物馆和展览馆等类似建筑的空间规划方法,考虑体验区的特殊性,从功能区构成、空间设计和推荐体验动线三个方面进行了建筑施工安全监控智慧体验区设计。
其他文献
【目的】本实验拟通过静电纺丝技术制备一种负载碱性成纤维细胞生长因子（b FGF）的胶原-氧化石墨烯纳米纤维电纺膜,给创面提供一个良好的愈合微环境,并观察其促进创面愈合的效果,拟为临床创面愈合提供新思路。【方法】首先通过傅里叶红外光谱、拉曼光谱、扫描电镜（SEM）和拉力测试等材料学检测,来对比不同浓度的胶原（COL）及氧化石墨烯（GO）所制备的纳米纤维电纺膜的理化性能,选择最适合创面愈合的配比;然后
工业互联网当中多节点传感器数据融合是重要发展趋势,但随之而来的问题是数据量的增大与通信带宽的限制之间的矛盾,同时工业检测的实时性要求也难以保障。在数据产生的上游端口对数据进行压缩从而降低通信系统的压力是解决该问题一种行之有效方法。本论文基于实际工程项目中的该问题进行了相关研究,搭建了一个基于嵌入式平台的图像压缩系统,其压缩性能达到预期设计目标。具体工作如下:（1）在对经典无损压缩算法两种主要类型进
医学影像分割是计算机辅助诊疗应用中的关键任务。随着深度学习技术的飞速发展,基于深度学习的医学影像分割方法已经取得了显著的成效。然而,医学影像分割任务中由于数据的获取设备、标准等差异性,来自不同中心、不同设备的影像之间往往存在严重的领域漂移问题,从而导致分割模型在不同域数据上的性能下降。为了解决这一问题,医学影像中无监督域自适应研究逐渐兴起。尽管近期的无监督域自适应工作在医学影像分析领域已经取得了一
随着科技发展,无线通信设备的使用范围越来越广,在为人们生活带来便捷的同时,给无线电监管工作带来了严峻的挑战。信号接收机作为无线电监管设备中的接收前端,其性能对于监测效果至关重要。本文根据实际需求,分析和实现了宽带超外差阵列接收机,主要工作内容包含以下几点:（1）基于接收机的常见结构,针对接收机性能指标要求,选择了一种超外差式结构,作为本文设计和研究的基础。在此基础上,分析了如何实现抗干扰能力较强、
随着遥感卫星技术的不断发展,社会进入了遥感大数据时代。高维数据的存储和检索成为海量遥感数据应用的瓶颈,如何实现对大规模遥感图像的准确、快速搜索,在灾难预警、农业检测、城市规划等遥感应用领域具有重要意义。哈希方法作为一种高效的索引方式,为每幅图像生成较短的二进制序列表示,大幅度地提高了检索效率,同时减少了内存消耗。然而传统的哈希方法依赖人工设计的特征描述符作为哈希编码的输入,人工提取的低层视觉特征难
在天文学研究中,光谱最主要的研究领域之一,多目标光纤光谱仪作为天文光谱测量仪器,是大视场光谱巡天望远镜最重要的科学仪器。多目标光纤光谱仪的光学性能直接决定了大视场光谱巡天能够实现的科学目的。但对于此类用途单一的光学仪器,目前可供参考的光学设计报告很少,且均没有提供初始结构计算,优化约束条件等对于光学系统设计过程十分重要的信息。因此,建立一套包含系统性能指标制定,初始结构搭建,系统优化过程,性能评价
随着移动互联网时代的到来,手机、电子邮件和社交网络应用程序的普及,网络社交已经成为人们日常生活工作中重要得沟通方式之一,尤其是在新冠在全球蔓延的大环境下,人们更加依赖网络在线交流,越来越多地以对话的形式来交换思想、制定计划和共享信息。然而,对于复杂的对话内容,复述和掌握所有核心内容是很费时间的,如何让移动互联网时代保留下来的海量对话数据,更高效的辅佐人们解决日常工作生活中的需求正是本文研究的出发点
近年来,互联网平台累积了海量的文本数据,对其进行分析与挖掘能够有效地帮助人们理解数据中蕴含的语义情感信息,尤其对于金融领域,业内从业者以及投资人通常通过分析和研读企业财报、新闻公告等信息来研判公司的发展状况和行业走向,从而辅助商业决策以及帮助相关部门进行企业监管。因此,本文针对金融领域文本数据特点,重点关注文档级和实体级的情感分析任务,提出了两种不同的模型方法用于解决现有预训练语言模型（BERT）
数据海量化导致关键信息的获取难度与日俱增,因此,如何有效解决数据过载问题、从而让用户高效获取海量文本数据中包含的重要信息成为当今工业和学术界亟需解决的关键难点之一。目前,文本摘要技术是主流文本信息抽取技术之一,其包含抽取和生成式两种方式。深度学习技术快速发展,其在自然语言处理技术的不同研究领域都取得了长足进步,因此也被广大研究学者引入到文本生成研究领域。本文重点研究基于深度学习的生成式文本摘要技术
社交媒体在人们交流感情、获取信息和完成社会资本积累过程中扮演着重要的角色,然而随着社交媒体与现实生活的界限不断模糊,越来越多的用户在使用社交媒体的过程中感受到了较为明显的疲惫心理。学术界近几年对社交媒体倦怠话题十分关注,大多数研究者认为倦怠情绪会降低用户的使用意愿,他们悲观地为社交平台担心,然而现实生活中并没有数据显示用户在大面积放弃使用社交媒体。用户社交媒体使用行为受到多种因素的影响,可能有其他