硬笔书法研究范文
夜上海论坛前言：我们精心挑选了数篇优质硬笔书法研究文章，供您阅读参考。期待这些文章能为您带来启发，助您在写作的道路上更上一层楼。
第1篇
夜上海论坛 【关键词】市场比较法 模糊数学 贴近度 隶属函数
随着我国房地产一二级市场的建立和逐渐完善，市场比较法已成为房地产估价工作中的主要方法之一。运用市场比较法评估房地产价格时，首先收集已交易实例中选择可供比较参照的交易实例，然后进行交易情况、交易日期、区域因素和个别因素修正，最后综合评价确定估价额。其中传统市场比较法有两方面的不足：由于房地产的特性，每宗交易实例不尽相同，选择与待估房地产条件相同的交易实例具有较大的模糊性。计算各交易实例的修正价格后，一般采用等权法或根据估价师经验估计定权。实际工作中对上述两个问题的处理过于粗略，主观性较大，往往影响最终评估结果的可信度。本文遵循模糊数学理论的择近原则，应用贴进度概念，通过计算交易实例贴进度来选择比较交易实例。
一、模糊数学估价原理
运用模糊数学理论来解决选择比较参照的交易实例问题，首先应用贴近度的概念，在可比交易实例选择上，交易实例的贴近度越大与待估房地产越相似，可选择与待估房地产最相似交易实例作为可比实例。然后再将待估房地产与可比实例的贴近度转化成权重，解决市场比较法的第二个问题。
1、贴进度
贴进度是描述两模糊子集之间彼此相近的程度的概念，贴进度在［0，1］区间取值。当贴进度等于1时，两模糊子集完全贴近；当贴进度等于0时，两模糊子集完全不贴近。
夜上海论坛 式中?姿为修正系数。由于选择可比实例只是与待估对象相似，而且确定特征因素隶属函数时也存在误差，所以计算结果要进行修正，这种修正主要根据估价师的经验，一般0.95-1.05。
二、模糊数学评估步骤
夜上海论坛 1、待估房地产特征因素选择
房地产价格构成复杂，影响价格因素众多，而且用途不同的房地产影响因素也不尽相同。因此，必须选择不同类型房地产决定价格的主要特征因素，一般根据《房地产估价规范》要求并结合专家综合评估来确定待估房地产的主要特征因素。
2、确定特征因素隶属函数值
夜上海论坛 表示某些因素隶属于某种特征函数为隶属函数，用［0，1］区间的一个数来表示，其值越接近1，隶属度越高，反之隶属度越低。在市场比较法进行区域因素和个别因素修正中，将修正系数转化为隶属函数值。房地产估价中，影响估价的主要因素指标可分成两类，即概念没有明确外延或难量化的软指标（繁华程度、环境状况等）和概念外延易量化的硬指标（面积、距市中心距离等）。软指标可用类比法建立隶属函数，将某一特征因素分成若干等级赋值，实地勘测等级确定其相应隶属函数值。
夜上海论坛 3、交易情况、交易日期修正
交易情况、交易日期修正不宜采用隶属函数处理，交易日期修正用传统方法更客观合理，交易情况修正只在正常交易实例不够时才考虑选用非正常交易实例，一般交易实例充足不需要修正。
4、贴进度及待估房地产价格计算
夜上海论坛 按公式（1）-（3）计算待估房地产与可比实例贴进度，然后将贴近度由大到小排序，最后利用（8）计算待估房地产价格。
三、综合评估示例
夜上海论坛 某一建筑面积为324.3m2住宅房地产（A）需评估，经市场调查选择B、C、D、E四宗交易实例作为可比实例。现以区位、交通、环境、结构、成新、装修6个特征因素作为评判的基准组成论域U，隶属函数值见表1。可比实例单价已进行交易情况、交易日期修正，试评估该房地产2001年11月市场价格。
四、结束语
夜上海论坛 通过综合评估示例比较可以看出，在市场比较法中应用模糊数学，使实例选择和权重确定比传统方法更加合理科学，它避免对问题主观决断且减少了个人感彩对评定产生的影响，对于规模大、价值高或特殊物业，建议采用此方法。
市场比较法估价过程中有很多因素如区位、交通状况、环境等定性评价都具有模糊性，难以量化，只能用优、劣、相近、良好、便捷等方式描述，模糊数学理论是解决这类问题的最有效工具。
在市场比较法中运用模糊数学方法，可将许多交易实例分析整理后建立房地产估价数据库。在评估时，利用计算机在众多的交易实例中查找出与待估房地产最相似的3个可比实例，通过选择隶属函数进行因素修正，由计算机计算得到比较合理的待估房地产的评估值，为建立房地产估价系统奠定基础。
（注：本文为江苏省建设厅《江苏省房地产市场信用体系研究、开发与运用》基金项目，项目编号：JS2006ZD17）
【参考文献】
夜上海论坛 [1] 施建刚：房地产估价方法的拓展[M].同济大学出版社，2003.
[2] 张勇、沈涛、李听：模糊数学综合评判方法在房地产估价中的应用[J].建筑技术开发，2004（5）.
[3] 王秀丽、骆汉宾：市场比较法估价中可比案例选择研究[J].华中科技大学学报（城市科学版），2003（4）.
第2篇
夜上海论坛 【关键词】BIM技术；绿色建筑；全生命周期
0 引言
夜上海论坛 近年来，随着产业革命和信息技术的迅猛发展，数字技术的更新发展日新月异。在数字技术的推动下，各行各业科技进步有力地促进了行业生产技术水平、劳动生产率水平和管理水平在不断提高。但是，相对于其他一些行业，我国的建筑业、建筑设计行业应用建筑数字技术的水平仍然不高。在当前数字技术飞速发展的情况下，我们必须提高对建筑数字技术的认识。Autodesk公司提出了BIM的概念，即在传统的三维几何模型基础上构建面向建设工程全生命周期的工程信息模型，并支持工程信息的交换、共享和管理，以实现“建筑全生命周期管理”。可从下面3点加以理解：
夜上海论坛 1）应用计算机进行设计是在空间中安排三维元素的集合，这些元素包括梁、柱、楼板、门、窗等；2）设计必须包含相互作用且具有明确定义的元素，可以从相同描述的元素中获得剖面图、平面图、轴测图或透视图等；对任何设计上的改变，在图形上的更新必须一致，因为所有的图形都取自于相同的元素，因此可以一致性的做资料更新；3）计算机提供一个单一的集成数据库用做视觉分析及量化分析，任何量化分析都可以直接与之结合。
1 BIM 建筑信息模型及其发展
早期基于二维图形的绘图系统其本质上只是手工绘图的延伸，而基于三维几何图形的计算机辅助绘图系统则在很大程度上提升和加强了设计人员的设计手段，借助于三维造型系统，设计师可以采用类似于虚拟建造的方式来建立三维建筑几何模型，从而以一种更为直接和形象的方式工作。
各构件对象之间是相互关联的对象， 通过各种不同种机制，各构件对象之间存在着内在的逻辑联系，从而将多个构件整合为一个单一的、多层次的、高度集成的工程项目模型。BIM建筑信息模型，旨在连接建设项目生命周期不同阶段的数据、过程和资源，建立单一工程数据源，从而解决分布的、异构的工程数据之间的一致性和全局共享问题，进而支持建设项目生命周期中动态的工程信息创建、管理和共享。实现建设项目的全生命周期管理。
夜上海论坛 2 BIM 建筑信息模型的应用特点
在项目中引入BIM，相对于采用传统的CAAD手段，BIM建筑信息模型具有更大的应用优势。下面以Autodesk公司的Revit建筑信息模型平台为例，来阐述BIM与传统CAAD软件之异同及BIM的应用优势。
2.1 支持设计者以更自然的设计交互模式工作
夜上海论坛 采用Revit进行建筑设计类似于创建与实际的建筑相对应的数字化建筑模型的过程，使用者创建数字化的建筑模型过程类似于挑选并添加不同的建筑构件，如墙体、门窗、屋顶、楼梯等，来搭建建筑本身的过程。从使用者与计算机交互来讲，采用这种类似于虚拟建造的应用模式，其相对于传统的基于图形的计算机制图系统则更为形象、直观和生动。
夜上海论坛 2.2 工程数据与构建模型高度集成
由于构建的设计者可以定义某构件在不同的视图下该如何表现，并且，其表现属性是可以被访问及调整的，比如门的开启方向开关，可以通过平面视图中的控制开关图标来调整门的的开启方向，构建的三维模型也会做出相应的调整。即在BIM模型中工程数据与构建模型是高度集成的，而工程中实际应用的二维图纸文档只会是BIM模型的“副产品”之一。
夜上海论坛 2.3 单一建筑模型使得项目修改高度智能及自动化
夜上海论坛 相对于传统的基于图形的CAD系统，BIM产生的是“协调的、内部一致的、可运算的建筑信息”。BIM从实现层上采用了参数化模型工具，而参数模型固有的的双向连续性和修改的及时性及其全面传递变更的特性。从而带来了高质量、协调一致、可靠的模型成果。参数化模型又和尺寸标注是双向关联的，对各个对象间关系所作的任何修改都会立刻通过参数化修改引擎在整个设计中反映出来，从而大大地提高设计的质量和效率，最大程度的减少图纸出错的可能性。
2.4 支持工程文档创建、、管理整个过程应用
由Autodesk Revit创建的涉及建筑信息的创建、、管理的BIM模型与传统的CAD系统产生的主要以二维图档为主的工程信息是截然不同的。将创建的信息为面向Web的矢量图形文件即DWF格式文档，其支持三维图形格式和用户批注及签名，这就为工程文档电子化提供了必要的技术支持，另外，作为面向于用户协同设计的Busszaw则为整个工程文档的及管理提供了有效的技术手段。
2.5 Revit软件及构件的面向对象特征
夜上海论坛 Revit软件从实现和具体的应用都带有软件工程的面向对象技术的特点，基本原则及出发点在于尽可能的模拟人类习惯的思维方式，将描述问题的问题空间与实现解法的解空间在结构上尽可能一致。 其具有以下特点：
夜上海论坛 1）认为客观世界由各种对象组成，复杂的对象可以由比较简单的对象以某种方式组合而成；2）所有的对象可划分为一种对象类，每个对象类都定义了一组数据和方法。数据用于表示对象的静态特性，是对象的状态信息，方法则是施加于该对象的操作；3）类具有一定的继承性，可以从某个类派生出不同的子类，按照其继承的关系，父类与子类构成其具有层次结构的系统；4）对象彼此之间通过消息互相联系。
2.6 Revit平台的集成及协同特性
Revit-平台集成了建筑、结构、系统（空调、机械、电器等多种专业）。同时不同专业的工程设计人员在不同的设计平台上创建的构件模型在不同软件中均可以被完整的识别应用。当然Revit还支持协同工作，其可以通过工作集将设计工作划分为多个实现单元，不同建筑师可以“并行”的工作，同时，多个用户可以通过构件共享的机制针对某个工作集并发操作。
夜上海论坛 2.7 建立在BIM模型上的建筑性能分析
BIM建筑信息模型是一个集成的、富含可用建筑信息的构件模型， 以Revit为例，针对建筑性能分析的多个方面都是直接应用在BIM模型本身。例如Revit支持gbXML标准，gbXML是专为绿色建筑设计与评估而定义的一种XML应用，gbXML结构中描述和定义了建筑的空间和维护结构等要素，可以被GeoPraxis的Green Building Studio在线服务所使用，这样，一旦在设计过程中建立了BIM模型，就可将其导出并通过网络提交到在线服务站点，通过其反馈的能耗及负荷数据来修改设计。
3 BIM与绿色建筑
夜上海论坛 绿色建筑设计是一个跨学科、跨阶段的综合性设计过程，而BIM模型则正好顺应此需求，实现了单元数据平台上各个工程的协调设计和数据集中。BIM的实施能将建筑各项物理信息分析从设计后期显著提前，有助于建筑师在方案阶段进行绿色建筑的相关决策。因此，运用BIM来贯穿绿色建筑的实施，将技术信息化与管理信息化融会贯通，以实现更有效的项目全生命周期管理和企业资源计划，已是我国建筑领域未来发展的必然趋势。
4 结语
BIM软件作为一种绘制方式的革新和全新的设计方式，具有设计效率更高，设计错误更少，设计质量更好的特点。BIM概念的引入和推广是需要包括软件开发商在内的各行业人员共同努力的，针对其不完善的地方，建筑设计者应在协同设计和标准化方面设定近期目标，并在实践过程中发现问题，向软件开发商进行反馈使BIM的发展进入良性循环。随着建筑行业信息化进程的加快，BIM设计也将不断完善和成熟，大力推广BIM技术将有助于提高建筑企业的管理水平与技术水平，提高工程质量和效率，增强企业的竞争力。同时快速发展的城市建设带来了越来越紧迫的设计任务和设计时间，层出不穷的新材料、新技术以及新的设计思想，这些都要求设计人员要不断更新自我，进行再学习。
【参考文献】
[1]王金红，等，主编.BIM建筑设计实例[M].北京：中国建筑工业出版社，2012.11.ISBN 978-7-112-14889-9.
第3篇
夜上海论坛 摘要：系数比例自适应算法是利用系统的稀疏特性而发展起来的一种新的算法。这类算法为每一个滤波器系数引入一个成比例步长参数，使得成比例步长参数与滤波器系数的估计值成正比，保证了大系数获得大步长，缩短了算法的收敛时间。本文首先介绍了系数比例自适应算法的研究背景及研究现状，然后详细描述了典型的系数比例归一化最小均方（PNLMS）算法，最后重点介绍几种改进的PNLMS算法。
夜上海论坛 关键字：稀疏 PNLMS 步长控制 比例步长参数
中图分类号：TN2 文献标识码：A 文章编号：1672-3791（2015）03（c）-0000-00
Research of Proportionate Adaptive Algorithm
Zeng Ming1 ， Zhang Ting2
（Opto-electronics Research Academy of China Electronics Technology Group Corporation， Tianjin 300308 China）
Abstract： The proportionate adaptive algorithm is a new developed algorithm with the sparse characteristics of the system. Such algorithms introduce a proportional step-size parameter for each filter coefficient， so that the proportional step-size parameter is proportional to the estimated value of filter coefficients， to ensure that the large coefficients obtains stride length and shortens the convergence time. This paper introduces the research background and research status coefficient of the proportionate adaptive algorithm， and then it describes a typical proportionate normalized least-mean-squares adaptation （PNLMS），and finally focuses on several improved PNLMS.
Key words： Sparse PNLMS Step control Proportional step-size parameter
1、引言
随着信号处理技术的发展，自适应信号处理在诸多领域得到广泛的应用，例如：电信、雷达和声纳处理、地球信号处理以及医学信号处理等。系数比例自适应算法，又称稀疏的自适应滤波算法，在处理稀疏冲激响应时非常有效。稀疏冲激效应，是指仅有少量系数具有显著的值，而其他系数值全为0或者非常小的冲激响应，比如，网络回声路径，尽管需要用大量的滤波器系数来建模网络回声路径，但仅有很小一部分的系数值非零（可称为“活动系数“），而其它的都为0或者值很小可以忽略（可称为“非活动系数”）。对于一个具体的长度为64ms或者128ms的网络回声路径，仅仅有4ms至12ms的系数是活动系数，而其它的则是为了建模网络传输时延，这些系数值都非常接近于0。除了网络回声路径外，地层的冲激响应以及水下的地震冲激响应也都是典型的稀疏冲激响应[1]。
本文详细描述了典型的系数比例归一化最小均方（PNLMS）算法，最后重点介绍几种改进的PNLMS算法。
夜上海论坛 2、系数比例自适应算法（PNLMS）
夜上海论坛 在传统自适应滤波器算法中，没有考虑到未知线性系统冲激响应的结构特点，简单的为每一个权重系数分配一个相同的步长参数，结果对于小的权重系数被分配给较大步长参数，迭代较少次数就可以收敛到其最优值，而对大的权重系数分配同样大小的步长参数，这个同样大小的步长参数相对于大权重系数值显得较小，因此需要更多的迭代次数才可以收敛到期最优值，于是最大权重系数值决定了自适应滤波器整体收敛速度。针对这个问题，Duttweiler提出了 Proportionate NLMS（PNLMS）算法[2]。PNLMS算法将一个步长控制矩阵G（n）引入NLMS算法中，该控制矩阵在n时刻为每一个滤波器权重系数分配一个与其绝对值成正比的步长参数。这样不同的滤波器权重得到与其自身收敛要求相适应的步长参数，从而显著提高了算法的收敛速度。步长控制矩阵G（n）定义为：
（1）
夜上海论坛 可以通过下式得到G（n）
（2）
式中gi（n）为每一个滤波器权重系数收敛相适应的步长参数， 的作用是在所有系数为零时防止算法的冻结，其值一般为0.01， 的作用是在某个系数过小或为零时防止算法的冻结，综上所述，系数比例LMS算法的权重系数更新方程可以写为
W（n + 1） = W（n） + G（n）X（n）e（n） （3）
上式为非归一化的形式。一般更新方程的归一化有两种形式。一种形式是使用输入信号向量X（n）的二范数对输入信号X（n）进行归一化，得到正是Duttweiler所提出的归一化形式系数比例NLMS算法即
（4）
夜上海论坛 式中 的作用是防止由过小输入信号引起的算法发散。另一种形式是使用以系数矩阵G（n）的加权后的输入信号向量X（n）的二范数范数对输入信号X（n）进行归一化，表示如下：
（5）
式中 的作用也是防止由过小输入信号引起的算法发散。
夜上海论坛 由以上可知，比例系数NLMS算法的关键是它为每一个滤波器权重系数分配了一个与其绝对值成正比的系数，这样在算法的迭代中，较大系数得到了与其相适应的较大的步长参数，从而提高了算法的收敛速度。可惜这种方法的快收敛速度只是在收敛过程前期出现，并不会贯穿整个收敛过程。因为它为大权重系数分配大系数的同时也加剧了大小权重系数所分配比例系数的差异性，那么在收敛过程后期较小权重系数因得不到足够的比例系数收敛速度过慢而成为算法收敛速度的最终主导因素。
自从第一个比例系数NLMS算法提出后，学者提出了各种不同的比例系数NLMS算法，它们的主要不同的在于使用系数比例步长矩阵G（n）的新定义或新的权重系数更新策略来减小大小权重系数得到比例系数的差异性。
3、改进的系数比例自适应算法
夜上海论坛 3.1 IPNLMS 算法
夜上海论坛 IPNLMS算法中定义的比例系数步长参数g i（n）为
（6）
式中 [-1，1]是一个调节参数，它的作用是将PNLMS算法与NLMS算法进行调整切换。当 变小时，IPNLMS算法逼近NLMS算法，直到； =-1时，两种算法等价；当 变大时，IPNLMS算法逼近NLMS算法，直到 = 1时，两种算法等价。一种简单的做法是使用 代替 来求得g i（n），因为 范数是非连续的，需要采用一个近似函数来代替，即
（7）
上式中 是一个较大的正整数，以保证对 范数的近似度。因此式（6）可以写为： （8）
这就是基于 范数的IPNLMS算法。在每一个系数比例参数中加入当前时刻滤波器权重系数向量估计值的均值，这样在计算比例系数矩阵G（n）时，滤波器权重系数的估计误差带来的负面作用可以得到部分消除。因此，无论未知系统冲激响应稀疏度度如何，IPNLMS算法都可以保证了相当快的收敛速度。
3.2 MPNLMS 算法
在MPNLMS算法中g i（n）定义为
（9）
式中 是一个经验值，一般取1000。
相比于其他的比例系数自适应算法，MPNLMS算法具有更快的收敛速度，更重要的是当未知系统的冲激响应稀疏度不够时其收敛性能不会像PNLMS算法恶化的那么严重。但是它存在一个致命的缺点：无论对于专用DSP器件还是FPGA，每次迭代中的L次对数运算都是极高的计算量，尤其是对于长阶数的稀疏冲激响应自适应滤波器。总得来说它理论价值很高却难以工程应用。
3.3 IMPNLMS 算法
夜上海论坛 为了使算法也能够处理不同稀疏度下的冲激响应，Ligang Liu提出了IMPNLMS算法该算法的比例步长参数为：
（10）
通过进行大量的仿真，发现 和 之间存在一定的关系，为
（11）
（12）
对于稀疏度的定义为[9]
（13）
夜上海论坛 其中， 不再像在IPNLMS算法中是一常数；在此， 是一个与稀疏度 相关的变量，或者说，它会随着稀疏度的变化而变化。因此，该算法能够自动检测到冲激响应的稀疏变化情况，然后自适应地去调整相应的参数，从而能在稀疏度多变的环境下获得较好的性能。Ligang Liu的仿真实验也证实了 IMPNLMS算法的有效性。在稀疏度较低的情况下，IMPNLMS算法要比MPNLMS算法收敛更快；在冲激响应时变的环境下，IMPNLMS算法跟踪能力要比MPNLMS算法好。
3.4 SPNLMS 算法
夜上海论坛 为了使MPLNMS算法便于工程应用，必须降低该算法的计算量，Deng采用一个折线函数来替代对数运算，进而提出了 SPNLMS算法。该折线函数主要分为两段，第一段是可以保证小系数得到与之相适应的比例步长参数，从而确保算法的后期收敛速度；第二段是可以保证大系数得到与之相适应的比例步长参数，即保证大小权重系数的比例系数差异性不至于过大。这个分段函数定义如下：
（14）
使用上式替代式（9）中的对数函数即可得到SPNLMS算法。该算法收敛速度几乎与MPNLMS算法相当，而计算量几乎与PNLMS算法以及IPNLMS算法相当。
4、结束语
系数比例自适应算法利用了长冲激响应的稀疏结构特征，为每一个滤波器系数引入一个新的步长参数，即比例步长参数。本文详细阐述了典型系数比例自适应（PNLMS）算法的基础上，分别介绍了几种改进的PNLMS算法：IPNLMS、MPNLMS、IMPNLMS及SPNMLS。这些算法通过比例步长参数，使其在处理稀疏冲激响应具有良好的性能。
参考文献
[1] Z. Chen， S. L. Gay，and S. Haykin. Proportionate Adaptation：New Paradigms in Adaptive Filters，in S. Haykin and B. Widrom Eds. Advances in LMS Filters，ch. 8. Wiley，2005.
夜上海论坛 [2] Hongyang Deng， Doroslovacki， Proportionate adaptive algorithms for network echo cancelers， IEEE Transactions on Signal Processing， vol：54，pp.1794-1803， May 2006.
夜上海论坛 [3] S.L Gay，An efficient， fast converging adaptive filter for network echo cancellation， the 32nd
夜上海论坛 Asilomar conference on signals，systems and computers （ACSSC 1998），Pacific Grove，Calif，USA， pp.394-398， Nov.1998.
[4] H.Deng and M.Doroslovacki， Improving convergence of the PNLMS algorithm for sparse impulse response identification，IEEE Signal Processing Letter，vol.12， no.3，pp.181-184，Mar.2005.
[5] J. Benesty， S.L. Gay，“An improved PNLMS algorithm”， Proceedings of the IEEE International Conference on Acoustic， Speech and Signal Processing， pp. 1881-1884， 2002， Orlando， Florida， USA.
[6] Zhengxing Huang， Guan Guit，Anmin Huang， Dong Xiang， and Fumiyki Adachi，Regularization Selection Method for LMS-Type Sparse Multipath Channel Estimation，2013 19th Asia-Pacific Conference on Communications （APCC），Bali - Indonesia.
夜上海论坛 [7] H.Deng and M.Doroslovacki ， Proportionate adaptive algorithms for network echo cancellation，IEEETrans Signal Processing， vol.54， no.5，pp. 1794-1803， May.2006.
夜上海论坛 [8] H.Deng， Adaptive algorithm of sparse impulse response identification， Doctoral Dissertation，
Dept. of electrical and computer engineering，George Washington University， Washington，DC， Mar.2005.
