技术帖:砖混、砖木、钢混、板楼、塔楼、框架、框架剪力墙等概念之区别优劣...

技术帖:砖混、砖木、钢混、板楼、塔楼、框架、框架剪力墙等概念之区别优劣
http://bbs.fdc.com.cn/showtopic-16331376.aspx

天天听KFS说这些词,资料上写这些词,估计很多人跟我一样,对这些并没个明确概念。奇怪的事,所有买房的人都喜欢关心那些自己认为重要的东西,很少买房人会真正去涉及到一些专业层面的知识。比如你问一个购房者,什么叫框架结构,10个有8个答不出来。我老人家好心,虽然是抄,也是分析了好几篇专业文章后,找的这么一篇通俗易懂的文章。


    1、砖混结构住宅
砖混结构是指建筑物中竖向承重结构的墙、柱等采用砖或砌块砌筑,柱、梁、楼板、屋而板、桁架等采用钢筋混凝土结构。通俗的讲,砖混结构是以小部分钢筋混凝土及大部分砖墙承重的结构。
砖混结构住宅中的“砖”,指的是一种统一尺寸的建筑材料,也有其他尺寸的异型粘土砖,如空心砖等。“混”是指由钢筋、水泥、砂石、水按一定比例配制的钢筋混凝土配料,包括楼板、过梁、楼梯、阳台、排檐等。这些配件与砖做的承重墙相结合,可以称为砖混结构住宅;由于抗震的要求,砖混住宅一般在5层、6层以下。


2.砖木结构住宅
砖木结构住宅的指建筑物中承重结构的墙、柱采用砖砌筑或砖块砌筑,楼板结构、屋架用木结构共同构筑成的房屋。


3.钢筋混凝土结构的住宅
钢筋混凝土结构住宅是指房屋的主要承重结构如柱、梁、板、楼梯、屋盖用钢筋混凝土制作,墙用砖或其他材料填充。这种结构搞震性能好,整体性强,搞腐蚀,耐火能力强,经久耐用,多用于高层住宅。具体又分框架、框架剪刀墙结构等。


4、如何区分板楼和塔楼
可以从楼房的平面图区分塔楼和板楼。塔楼的平面图特点是,一层若干户,一般多于四五户共同围绕或者环绕一组公共竖向交通通道形成的楼房平面,平面的长度和宽度大致相同。这种楼房的高度一般从12层到35层。塔楼一般是以一梯4户到一梯12户。板楼的平面图上,长度明显大于宽度。板楼有两种类型,一种是长走廊式的,各住户靠长走廊连在一起;第二种是单元式拼接,若干个单元连在一起就拼成一个板楼。其实我们买房时,很容易分出塔楼和板楼,简单地说,塔楼比较高、比较方;板楼比较矮、比较长。


5买板楼还是塔楼
建筑本身没有一个定式,没有孰有孰劣,关键还在于建筑师的处理和创新,所以绝对不能拿板楼、塔楼来评价楼的好坏与否。它们的好与坏都是人为的,不能说这个好,那个就不好。

板楼给人们留下了户内前后通风的印象,特别是南向的板楼,采光、日照和通风都有一定的优势,但如果板楼不是楼梯直接到户,还要通过长长的走廊,那么它的合理性、安全性、健康性都有待商榷。如果是进深很大、面宽很小的板楼,可能卫生间都是暗的,其他房间的采光也不会很好。

而我们通常所讲一梯8至12户的塔楼在采光、日照上相对较差,并且难有户内的对流,从而给人们留下了塔楼“不健康”的印象。但如果把塔楼做成一梯1户时会有360度的景观,并且没有纯北向的房间,会有更好的采光与通风,会有更充分的日照,并且没有相邻的干扰。塔楼一梯2户时有270度以上的采光与景观,甚至到一梯4户时也会好于板楼的采光与通风。因此不能用板、塔建筑形式来一概而论其是否“健康”。

另外通过实测证明,塔楼区的楼外环境通风远远好于板楼区,特别是好于板楼围合小区的环境质量。也就是说当室内要求通风时,开窗要解决的不只是对流及加大通风量的问题,同时要力求从室外进入室的空气质量是好的。如果对塔楼进行合理设计,一梯2到4户,便可以做到明卫和多面采光,那么这个塔楼的品质就要优于板楼。

由此可见,塔楼也有很多的优点,健康住宅不完全等于板楼。联合国世界卫生组织也提出了健康住宅是关注人的私密性、关注阳光等15条标准,并没有规定板楼与塔楼性质的区别,因而简单地把板楼作为健康住宅的观念是错误的。

板楼户型取决于两个因素:进深和面宽,一般板楼是通过加大进深来增加销售面积的,但如果进深大了,户内采光就差了。板楼占地面积大,在小区总占地面积中,绿地相对就会少。塔楼则不可能做到户户朝阳,塔楼由于建筑的特点,一般会有不同的房型和朝向,价位也会多样,选择余地也大。和板楼相比,塔楼的使用率较低。价格的主导,脱离了价格说环境、户型根本不可能,因此,塔楼板楼优劣的比较离不开市场。在塔楼与板楼的竞争中,板楼的优势是住得舒适,塔楼的特点是价格相对便宜。但板楼的均好性优于塔楼。
框架结构与框剪结构的区别

  框剪结构与框架结构的主要区别就是多了剪力墙,框架结构的竖向刚度不强,高层或超高层的框架结构建筑更是如此!为了解决这个问题故使用剪力墙.

  框架结构住宅是指以钢筋混凝土浇捣成承重梁柱,再用预制的加气混凝土、膨胀珍珠岩、浮石、蛭石、陶烂等轻质板材隔墙分户装配成而的住宅。适合大规模工业化施工,效率较高,工程质量较好。 

  框架结构由梁柱构成,构件截面较小,因此框架结构的承载力和刚度都较低,它的受力特点类似于竖向悬臂剪切梁,楼层越高,水平位移越慢,高层框架在纵横两个方向都承受很大的水平力,这时,现浇楼面也作为梁共同工作的,装配整体式楼面的作用则不考虑,框架结构的墙体是填充墙,起围护和分隔作用,框架结构的特点是能为建筑提供灵活的使用空间,但抗震性能差。 

  1.框架-剪力墙结构,出称为框剪结构
  它是框架结构和剪力墙结构两种体系的结合,吸取了各自的长处,既能为建筑平面布置提供较大的使用空间,又具有良好的抗侧力性能。框剪结构中的剪力墙可以单独设置,也可以利用电梯井、楼梯间、管道井等墙体。因此,这种结构已被广泛地应用于各类房屋建筑。 

  2.框剪结构的变形是剪弯型。
  众所周知,框架结构的变形是剪切型,上部层间相对变形小,下部层间相对变形大。剪力墙结构的变形为弯曲型,上部层间相对变形大,下部层间相对变形小。对于框剪结构,由于两种结构协同工作变形协调,形成了弯剪变形,从而减小了结砍的层间相对位移比和顶点位移比,使结构的侧向刚度得到了提高。 

  3.水平荷载主要由剪力墙来承受。
  从受力特点看,由于框剪结构中的剪力墙侧向刚度比框架的侧向刚度大得多,在水平荷载作用下,一般情况下,约80%以上用剪力墙来承担。因此,使框架结构在水平荷载作用下所分配的楼层剪力,沿高度分布比样均匀,各层梁柱的弯矩比较接近,有利于减小梁柱规格,便于施工


不知道板楼,砖混,框架有什么区别,还请大侠简单概括一下,适宜居住的买什么样的好?
http://www.jiwu.com/wenda/4162361.html
从建筑形式上进行的区别 一.所谓板楼就是指“东西长、南北短”的楼型,一般板楼同层住户在2到4户 1、板楼优点:从传统的居住舒适度而言,板楼的优势很明显,南北通透,便于采光通风;户型方正,平面布局合理;同层住户不多,居家比较清静;管理费用低,面积使用率高。 2、板楼缺点:房价较高,户内格局不可变。 二.塔楼则是指外观像塔的楼型,平面的长度和宽度大致相同,一般塔楼的同层住户在6户以上。 塔楼优点:建筑密度较高,房价较低;空间结构灵活,易于改造;结构强度高,抗震性好;居高望远,视野开阔。尤其是对于富有DIY精神的年轻人而言,采用大框架结构的塔楼, 缺 点:均好性较差,同一层总有一些户型在采光、通风方面比较差,而且面积使用率要低于板楼,很容易出现没有自然采光的暗厨、暗卫,这样的地方被称为“灰色空间”。因此居住品质大打折扣。

框架结构
http://www.jiwu.com/zhuanti/1125/
什么是框架结构?框架结构又叫构架式结构,是指用梁、柱的铰接相连接而构成的建筑的承重体构造。这样的构造常常被用于剧场、商场、体育馆、火车站等大型公共场所。其空间分隔灵活,自重轻等等框架结构的特点,比普通构造在框架结构设计上更结实耐用,而且有很大的自如性、延展性,因此受到设计师们的喜爱。

转载于:https://www.cnblogs.com/svennee/p/4099104.html

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
1 目标检测的定义 目标检测(Object Detection)的任务是找出图像中所有感兴趣的目标(物体),确定它们的类别和位置,是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具有挑战性的问题。 目标检测任务可分为两个关键的子任务,目标定位和目标分类。首先检测图像中目标的位置(目标定位),然后给出每个目标的具体类别(目标分类)。输出结果是一个边界框(称为Bounding-box,一般形式为(x1,y1,x2,y2),表示框的左上角坐标和右下角坐标),一个置信度分数(Confidence Score),表示边界框中是否包含检测对象的概率和各个类别的概率(首先得到类别概率,经过Softmax可得到类别标签)。 1.1 Two stage方法 目前主流的基于深度学习的目标检测算法主要分为两类:Two stage和One stage。Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段,主要用于生成潜在的目标候选框(Bounding-box proposals)。这个阶段通常使用卷积神经网络(CNN)从输入图像中提取特征,然后通过一些技巧(如选择性搜索)来生成候选框。第二个阶段是分类和位置精修阶段,将第一个阶段生成的候选框输入到另一个 CNN 中进行分类,并根据分类结果对候选框的位置进行微调。Two stage 方法的优点是准确度较高,缺点是速度相对较慢。 常见Tow stage目标检测算法有:R-CNN系列、SPPNet等。 1.2 One stage方法 One stage方法直接利用模型提取特征值,并利用这些特征值进行目标的分类和定位,不需要生成Region Proposal。这种方法的优点是速度快,因为省略了Region Proposal生成的过程。One stage方法的缺点是准确度相对较低,因为它没有对潜在的目标进行预先筛选。 常见的One stage目标检测算法有:YOLO系列、SSD系列和RetinaNet等。 2 常见名词解释 2.1 NMS(Non-Maximum Suppression) 目标检测模型一般会给出目标的多个预测边界框,对成百上千的预测边界框都进行调整肯定是不可行的,需要对这些结果先进行一个大体的挑选。NMS称为非极大值抑制,作用是从众多预测边界框中挑选出最具代表性的结果,这样可以加快算法效率,其主要流程如下: 设定一个置信度分数阈值,将置信度分数小于阈值的直接过滤掉 将剩下框的置信度分数从大到小排序,选中值最大的框 遍历其余的框,如果和当前框的重叠面积(IOU)大于设定的阈值(一般为0.7),就将框删除(超过设定阈值,认为两个框的里面的物体属于同一个类别) 从未处理的框中继续选一个置信度分数最大的,重复上述过程,直至所有框处理完毕 2.2 IoU(Intersection over Union) 定义了两个边界框的重叠度,当预测边界框和真实边界框差异很小时,或重叠度很大时,表示模型产生的预测边界框很准确。边界框A、B的IOU计算公式为: 2.3 mAP(mean Average Precision) mAP即均值平均精度,是评估目标检测模型效果的最重要指标,这个值介于0到1之间,且越大越好。mAP是AP(Average Precision)的平均值,那么首先需要了解AP的概念。想要了解AP的概念,还要首先了解目标检测中Precision和Recall的概念。 首先我们设置置信度阈值(Confidence Threshold)和IoU阈值(一般设置为0.5,也会衡量0.75以及0.9的mAP值): 当一个预测边界框被认为是True Positive(TP)时,需要同时满足下面三个条件: Confidence Score > Confidence Threshold 预测类别匹配真实值(Ground truth)的类别 预测边界框的IoU大于设定的IoU阈值 不满足条件2或条件3,则认为是False Positive(FP)。当对应同一个真值有多个预测结果时,只有最高置信度分数的预测结果被认为是True Positive,其余被认为是False Positive。 Precision和Recall的概念如下图所示: Precision表示TP与预测边界框数量的比值 Recall表示TP与真实边界框数量的比值 改变不同的置信度阈值,可以获得多组Precision和Recall,Recall放X轴,Precision放Y轴,可以画出一个Precision-Recall曲线,简称P-R
1 目标检测的定义 目标检测(Object Detection)的任务是找出图像中所有感兴趣的目标(物体),确定它们的类别和位置,是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具有挑战性的问题。 目标检测任务可分为两个关键的子任务,目标定位和目标分类。首先检测图像中目标的位置(目标定位),然后给出每个目标的具体类别(目标分类)。输出结果是一个边界框(称为Bounding-box,一般形式为(x1,y1,x2,y2),表示框的左上角坐标和右下角坐标),一个置信度分数(Confidence Score),表示边界框中是否包含检测对象的概率和各个类别的概率(首先得到类别概率,经过Softmax可得到类别标签)。 1.1 Two stage方法 目前主流的基于深度学习的目标检测算法主要分为两类:Two stage和One stage。Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段,主要用于生成潜在的目标候选框(Bounding-box proposals)。这个阶段通常使用卷积神经网络(CNN)从输入图像中提取特征,然后通过一些技巧(如选择性搜索)来生成候选框。第二个阶段是分类和位置精修阶段,将第一个阶段生成的候选框输入到另一个 CNN 中进行分类,并根据分类结果对候选框的位置进行微调。Two stage 方法的优点是准确度较高,缺点是速度相对较慢。 常见Tow stage目标检测算法有:R-CNN系列、SPPNet等。 1.2 One stage方法 One stage方法直接利用模型提取特征值,并利用这些特征值进行目标的分类和定位,不需要生成Region Proposal。这种方法的优点是速度快,因为省略了Region Proposal生成的过程。One stage方法的缺点是准确度相对较低,因为它没有对潜在的目标进行预先筛选。 常见的One stage目标检测算法有:YOLO系列、SSD系列和RetinaNet等。 2 常见名词解释 2.1 NMS(Non-Maximum Suppression) 目标检测模型一般会给出目标的多个预测边界框,对成百上千的预测边界框都进行调整肯定是不可行的,需要对这些结果先进行一个大体的挑选。NMS称为非极大值抑制,作用是从众多预测边界框中挑选出最具代表性的结果,这样可以加快算法效率,其主要流程如下: 设定一个置信度分数阈值,将置信度分数小于阈值的直接过滤掉 将剩下框的置信度分数从大到小排序,选中值最大的框 遍历其余的框,如果和当前框的重叠面积(IOU)大于设定的阈值(一般为0.7),就将框删除(超过设定阈值,认为两个框的里面的物体属于同一个类别) 从未处理的框中继续选一个置信度分数最大的,重复上述过程,直至所有框处理完毕 2.2 IoU(Intersection over Union) 定义了两个边界框的重叠度,当预测边界框和真实边界框差异很小时,或重叠度很大时,表示模型产生的预测边界框很准确。边界框A、B的IOU计算公式为: 2.3 mAP(mean Average Precision) mAP即均值平均精度,是评估目标检测模型效果的最重要指标,这个值介于0到1之间,且越大越好。mAP是AP(Average Precision)的平均值,那么首先需要了解AP的概念。想要了解AP的概念,还要首先了解目标检测中Precision和Recall的概念。 首先我们设置置信度阈值(Confidence Threshold)和IoU阈值(一般设置为0.5,也会衡量0.75以及0.9的mAP值): 当一个预测边界框被认为是True Positive(TP)时,需要同时满足下面三个条件: Confidence Score > Confidence Threshold 预测类别匹配真实值(Ground truth)的类别 预测边界框的IoU大于设定的IoU阈值 不满足条件2或条件3,则认为是False Positive(FP)。当对应同一个真值有多个预测结果时,只有最高置信度分数的预测结果被认为是True Positive,其余被认为是False Positive。 Precision和Recall的概念如下图所示: Precision表示TP与预测边界框数量的比值 Recall表示TP与真实边界框数量的比值 改变不同的置信度阈值,可以获得多组Precision和Recall,Recall放X轴,Precision放Y轴,可以画出一个Precision-Recall曲线,简称P-R
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值