Civil engineering的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列各種有用的問答集和懶人包

Introduction to Strain-Based Structural Health Monitoring of Civil Structures

為了解決Civil engineering的問題，作者Glisic, Branko 這樣論述：

Branko Glisic is an Assistant Professor of Civil and Environmental Engineering at Princeton University, USA. His main areas of interest are SHM methods, advanced sensory systems, smart structures, SHM data management, and sustainable engineering.He was previously employed at SMARTEC SA, Switzerland,

where he was involved in research and engineering in numerous structural health monitoring projects.

Civil engineering進入發燒排行的影片

BIM應用於科技廠房設施維護管理之案例探討

為了解決Civil engineering的問題，作者葉上菁 這樣論述：

科技廠房設施的營運管理與一般建築設施並不相同，本研究乃針對一個具有儲存環館的科技廠房設施為研究案例，該設施提供世界上亮度最高的光源以供國內外相關研究用戶前來實驗，而在要求實驗數據的高品質、高精度前提下，該設施必須無時無刻維持最佳的營運環境狀況。然而該設施目前的營運管理模式大都採被動式管理，新完成的儲存環館建築量體龐大且為環狀，進而使得此特殊廠房之設施維護管理更加複雜。為嘗試不同做法，本研究探討應用建築資訊模型(Building Information Model或BIM)技術於該設施有關建築物維護管理及新實驗站建置之可行性。本研究嘗試應用BIM於四種情境，包括(1)應用於機電土木小組之設施維

護管理、(2)應用於跨部門之共同作業設施維護管理、(3)應用於實驗站之空間模擬與碰撞檢討，以及(4)應用BIM與GPS於環狀建築之座標測量。研究結果顯示應用於四種情境皆具可行性。第一，將5年期間建築消防維修紀錄，全部鍵入BIM模型資料庫，經彙出明細表整理出同性質的維修項目，可與廠商簽訂年度開口合約議價，透過長期合作以量制價應可減少維修成本。另外藉由BIM圖層色塊清楚可顯示出週期性的待維修或換修，將更有效率改被動為定期主動式維護換修。第二，透過應用BIM共同作業於拆牆合併辦公室的情境，應可減少約15%工作天及減少約10%工程費。第三，將光束線實驗站建置於BIM模型上，可做空間模擬與碰撞檢討，也可

出圖作高精準度的放樣，且透過修改參數即可自動連結更新圖面。第四，在此大型環狀科技廠，利用GPS測量儀器於各出口位置測量，將數據儲存於BIM資料庫，並在各出入口標示BIM 3D模型圖結合GPS座標值，應可應用於緊急事故發生時救護車與消防車可迅速準確到達正確廠房的位置進行搶救。

Stability of Slopes and Landslide Engineering

為了解決Civil engineering的問題，作者Bromhead, Edward N.,Schaefer, Vernon R. 這樣論述：

Eddie Bromhead has retired from his post as Professor of Geotechnical Engineering at Kingston University, UK. He was sole Author for ＂The Stability of Slopes＂ (1st & 2nd Editions). He was co-author with Tim Ward on ＂Fortran and the Art of PC Programming＂ (Wiley), and has contributed articles and cha

pters to other books, and edited various conference proceedings, including the Thomas Telford 3-volume 8th International Symposium on Landslides (2000, with 2 junior colleagues). He has a practice as a consulting engineer, and has published numerous research papers.Vern Schaefer is a Professor of Ge

otechnical Engineering at Iowa State University of Science and Technology, Ames, Iowa. He was editor of the 1997 publication Ground Improvement, Ground Reinforcement and Ground Treatment for the American Society of Civil Engineers (ASCE) and has edited other ASCE proceedings. He is active in researc

h related to soil behaviour of clays and shales, ground improvement, slope stability and landslides. He was a member of the organizing committee for the 1st North American Landslides Conference held in Vail, Colorado in June 2007 and lead editor for the proceedings. He was on the technical organizin

g committee for the 11th International Symposium on Landslides held in Banff, Canada in 2012

針對真實場景建立具偽真值之深度學習訓練資料以進行飛時測距深度降噪

為了解決Civil engineering的問題，作者王立洋 這樣論述：

近年來飛時測距技術已被廣泛應用在室內等小規模場景之深度感測。然而，飛時測距技術目前仍受限於多路徑干涉現象所造成的深度量測誤差。據我們所知，一些研究利用深度學習的方式針對飛時測距的深度圖進行修正，降噪的品質在實驗數據中超越了以往的演算法，但是這些深度網路進行訓練時，由於大量真實場景的訓練資料難以取得，因此這些方法大部分以電腦模擬合成的資料進行訓練為主。然而合成場景與真實場景表現的深度誤差仍然具有一定差距，因此在應用的環境下，這些深度網路對於多路徑干涉現象的改善能力依然有限。本篇論文提出一個自監督式的策略以進行優化飛時測距降噪深度網路的方法，該方法僅需要飛時測距深度儀在現實中取樣，即可利用三維重

建之全局一致性的特性，大量產生具有偽真值的真實場景訓練資料，並且可應用於針對飛時測距深度修正之深度網路做訓練。實驗顯示，經過由本篇論文提出之自監督式優化後的深度網路，應用在真實環境下能夠提升對於飛時測距深度圖降噪的品質並且改善多路徑干涉的誤差。