課程說明

培訓時間：下一期待定，現(xiàn)可購買錄播課程；

觀看方式：可購買錄播課程，隨報隨學。

課程目標

數(shù)學建模是指通過系統(tǒng)化的符號與數(shù)學表達式將實際問題進行抽象并加以解答的方法。而很多智慧水務研究與項目中面對的優(yōu)化、預測、模擬、控制、評價等需求與問題，本質上都可以通過數(shù)學建模的思想與方法進行分析與解答。本課程通過引入數(shù)學建模的思維與方法，幫助我們系統(tǒng)地分析智慧水務中的各種需求，讓我們以一種系統(tǒng)的模式解決智慧水務中面臨的各類問題，進而在實際的研究與項目中提高效率。

通過培訓掌握深度學習、化模型、動力系統(tǒng)模型在水利、環(huán)境、市政等領域的應用。培養(yǎng)解決預測類問題、優(yōu)化類問題的能力，建立算法應用的知識體系，學會用數(shù)學建模的思維去解決科研及項目中遇到的實際問題。

課程亮點

√學科交叉，前沿領域；

√提供源代碼，學員可直接用于自身項目于科研應用；

√提供課程案例資料；

√課后提供講師與學員；

√發(fā)放培訓證書。

主講老師

適應人群

需要借助代碼與算法解決智慧水務相關問題的設計院從業(yè)人員和科研工作者；

對水務領域一些常規(guī)的內容有一定了解，但對智慧水務這一領域當前場景問題沒有個清晰的分析解決能力；

沒有python編程基礎或編程基礎較差，但想要完成一次轉型，希望能夠結合計算機和自己固有的領域的研究成果做學科融合，或者希望轉型智慧水務。

課程大綱

模塊一 python基礎課程

1、 python基礎

（1）元組、列表、字典數(shù)據(jù)類型的定義和基本用法

（2）字符串的處理和數(shù)據(jù)類型轉換

（3）條件語句、循環(huán)語句

（4）函數(shù)

（5）讀取和寫入文件

2、面向對象及模塊化編程

（1）類

（2）繼承

（3）多態(tài)與封裝

（4）迭代器和生成器

3、numpy的基本用法

（1）numpy數(shù)組的概念和定義

（2）常見的數(shù)學計算函數(shù)

4、常用包的基本用法

5、 matplotlib的基本用法

（1）常見繪圖函數(shù)

（2）繪圖參數(shù)調整

模塊二：數(shù)學建模前導課程

1、從數(shù)學建模的角度看待與分析智慧水務相關問題

2、如何針對不同的需求與問題構建數(shù)學模型

3、 部分案例解析

（1）考慮時間變化對水量水質的影響

（2）考慮降雨初期的運行效果

（3）考慮的不是LID布局，而是實時控制

（4）考慮不同強度的降雨，考慮多場次降雨

（6）考慮內澇，考慮溢流，綜合考慮

（7）模型應用其他地方

（8）上述需求任意組合，綜合考量

模塊三：數(shù)學建模前導課程

1、 動力系統(tǒng)模型簡介

2、動力系統(tǒng)模型結構及原理

3、模型的原理及解法：微分方程求解方法 數(shù)據(jù)驅動方法

4、 基于python實現(xiàn)動力系統(tǒng)模型的求解

5、預測預警類應用解析：藻類與水質預測

模塊四：數(shù)學建模前導課程

1、化問題簡介

2、優(yōu)化問題模型結構及原理

3、 模型的解法及其原理

線性優(yōu)化、非線性優(yōu)化、整數(shù)優(yōu)化

基于梯度度的牛頓法等

4、 基于python實現(xiàn)化模型的求解

5、優(yōu)化類案例應用解析

（1）LID布局優(yōu)化方案設計

（2）排水系統(tǒng)泵閘實時控制

模塊五：深度學習方法

1、深度學習的簡介

2、應用領域及當前取得的進展

3、 淺層神經(jīng)網(wǎng)絡及深層神經(jīng)網(wǎng)絡

4、深度神經(jīng)網(wǎng)絡的參數(shù)優(yōu)化

5、卷積神經(jīng)網(wǎng)絡（藻類預測是否帶有圖像分類）

6、強化學習的基本原理和結構

7、Tensorflow的基本使用

8、案例應用

（1）基于深度學習實現(xiàn)藻類預測

（2）基于深度學習實現(xiàn)泵閘MPC優(yōu)化控制

（3）基于強化學習實現(xiàn)泵閘優(yōu)化控制