罗伯特·J·芬利(Robert J.在德克萨斯大学奥斯汀分校担任经济地质局副主任后,他于2000年2月加入了伊利诺伊州的调查。ROB的专业领域是化石能源。他的工作范围从大规模的资源评估,解决国家和州尺度的碳氢化合物资源到评估煤炭,石油和天然气的特定领域和水库。他目前正在领导伊利诺伊州盆地中西部地质隔离联盟的地质碳固存项目,旨在解决对全球气候变化的关注。Rob曾在国家石油委员会,美国石油地质学家协会,国家研究委员会,斯坦福能源建模论坛和美国潜在的天然气委员会。自1986年以来,他就在委内瑞拉,巴西,南非和澳大利亚等国外向众多客户教授了能源资源开发方面。Rob拥有博士学位。南卡罗来纳大学地质学博士学位;他目前还是伊利诺伊大学Urbana-Champaign大学地质学系的兼职教授。
人工智能在土木/建筑/建筑工程教育中的应用 Mohammed E. Haque 建筑科学系 德克萨斯 A&M 大学 Vikram Karandikar 建筑科学系 德克萨斯 A&M 大学 摘要 对于某些科学和工程教育领域来说,超越传统的院系课程界限变得越来越重要。人工智能 (AI) 就是这样一个领域;它的应用非常广泛且跨学科。应特别鼓励研究生学习当代计算技术的各种应用,包括人工神经网络 (ANN)、遗传算法 (GA) 等。土木/建筑/建筑工程对神经启发计算技术的应用兴趣日益浓厚。这种兴趣的动机是某些信息处理特性与人脑相似。软计算 (SC) 是一种新兴的计算方法,它与人类思维在确定性和精确性的环境中推理和学习的非凡能力相似。本文重点介绍了人工智能在土木/建筑/建筑工程尤其是 SC 领域的各种应用。作为毕业项目的一个例子,本文展示了一个基于 ANN 和 GA 的知识模型,其中研究了客户对大型多层公寓住宅方案的舒适性和安全性问题的偏好。建筑/工程是一门应用科学,可以从现有结构及其成功和失败中吸取许多教训,并将它们结合起来以找出更好的结构的新技术。这意味着设计师应该能够从每个以前的设计中得出一些定性值,特别是用户对建筑安全性和舒适度质量的认可,以确保设计成功。建筑师/设计工程师经常面临软数据的挑战,这些数据本质上是语言定性的,需要解释并融入他们的设计决策过程。他们应该非常了解客户的愿望和要求,尤其是客户在具体设计问题上的偏好。因此,后期