XiaoMi-AI文件搜索系统
World File Search System轮辐
人工智能、合作与勾结
反垄断专家和经济学家广泛讨论了通过使用定价算法来稳定合谋协议的前景。然而，这些文献往往缺乏计算机科学家的视角，而且似乎经常高估机器学习的最新进展对企业在形成卡特尔时面临的复杂协调问题的适用性。同样，支持学习算法合谋可能性的建模结果通常使用简单的市场模拟，这使得他们可以使用简单的算法，而这些算法不会产生机器学习从业者在现实问题中必须处理的许多问题，这些问题可能对学习合谋协议特别有害。在批判性地审查了有关算法合谋的文献并将其与计算机科学的结果联系起来后，我们发现，虽然调整反垄断法以处理真实市场中合谋的自学习算法可能为时过早，但其他形式的算法合谋，例如由集中定价算法促进的轮辐式安排，可能已经需要立法行动。
基于数字孪生的预应力钢筋安全性评估...
在役预应力钢结构的安全性已得到广泛研究，但传统的预应力钢结构安全评估方法涉及的样本点少、预测不准确，且耗费大量的人力和物力。利用数字孪生技术可以对钢结构全寿命周期内的结构行为、状态和活动进行监测，相当于对结构进行了一次安全评估。本研究旨在建立预应力钢结构的数字孪生多维模型，在此模型的基础上利用相关结构历史数据对支持向量机和预测模型进行训练，并根据实测数据对结构的安全风险等级进行预测。最后，利用轮辐索桁架结构的比例折减模型验证了所提方法的可行性。结果表明，数字孪生技术可以实现在役预应力钢结构的实时监测，并能及时预测其安全水平，为预应力钢结构的安全风险评估提供了一种新方法。
研究论文 运行智能预测方法...
大跨度预应力钢结构运维阶段是全寿命周期的核心环节。目前，对运维全过程安全风险变化规律的研究较少，尤其是如何有效利用运维阶段丰富的监测数据和相关安全风险信息，对结构运维全过程安全风险变化规律进行分析预测的研究，对预应力钢结构运维安全状态的判断和控制决策效率产生影响。以轮辐式索桁架为例，提出将数字孪生模型（DTM）与钢结构运维安全相结合的新理念。通过现实物理空间维度与数字虚拟空间维度的结合，基于假设的分析模型。以上提出了理论框架，并从大数据的角度对某预应力钢结构进行了案例分析，评估了该方法在预应力损失及不均匀雨雪荷载工况下应用的可行性。该方法可为运维管理提供指导，及时制定策略。
研究论文基于数字孪生技术的预应力钢结构运维安全智能预测方法
大跨度预应力钢结构运维阶段是全寿命周期的核心环节，目前针对运维全过程安全风险变化规律的研究较少，尤其是如何有效利用运维阶段丰富的监测数据及相关安全风险信息，对结构运维全过程安全风险变化规律进行分析预测的研究，对预应力钢结构运维安全状态的判断与控制决策效率产生影响。以轮辐式索桁架为例，提出将数字孪生模型（DTM）与钢结构运维安全融合的新理念，通过现实物理空间维度与数字虚拟空间维度相结合，基于假设的分析模型，对钢结构运维安全进行综合评价。以上提出了理论框架，并从大数据的角度对某预应力钢结构进行了案例分析，评估了该方法在预应力损失及不均匀雨雪荷载工况下应用的可行性，可为运维管理提供指导并及时制定策略。