课程说明

培训时间：下一期待定，现可购买录播课程；

观看方式：可购买录播课程，随报随学。

课程目标

数学建模是指通过系统化的符号与数学表达式将实际问题进行抽象并加以解答的方法。而很多智慧水务研究与项目中面对的优化、预测、模拟、控制、评价等需求与问题，本质上都可以通过数学建模的思想与方法进行分析与解答。本课程通过引入数学建模的思维与方法，帮助我们系统地分析智慧水务中的各种需求，让我们以一种系统的模式解决智慧水务中面临的各类问题，进而在实际的研究与项目中提高效率。

通过培训掌握深度学习、化模型、动力系统模型在水利、环境、市政等领域的应用。培养解决预测类问题、优化类问题的能力，建立算法应用的知识体系，学会用数学建模的思维去解决科研及项目中遇到的实际问题。

课程亮点

√学科交叉，前沿领域；

√提供源代码，学员可直接用于自身项目于科研应用；

√提供课程案例资料；

√课后提供讲师与学员；

√发放培训证书。

主讲老师

适应人群

需要借助代码与算法解决智慧水务相关问题的设计院从业人员和科研工作者；

对水务领域一些常规的内容有一定了解，但对智慧水务这一领域当前场景问题没有个清晰的分析解决能力；

没有python编程基础或编程基础较差，但想要完成一次转型，希望能够结合计算机和自己固有的领域的研究成果做学科融合，或者希望转型智慧水务。

课程大纲

模块一 python基础课程

1、 python基础

（1）元组、列表、字典数据类型的定义和基本用法

（2）字符串的处理和数据类型转换

（3）条件语句、循环语句

（4）函数

（5）读取和写入文件

2、面向对象及模块化编程

（1）类

（2）继承

（3）多态与封装

（4）迭代器和生成器

3、numpy的基本用法

（1）numpy数组的概念和定义

（2）常见的数学计算函数

4、常用包的基本用法

5、 matplotlib的基本用法

（1）常见绘图函数

（2）绘图参数调整

模块二：数学建模前导课程

1、从数学建模的角度看待与分析智慧水务相关问题

2、如何针对不同的需求与问题构建数学模型

3、 部分案例解析

（1）考虑时间变化对水量水质的影响

（2）考虑降雨初期的运行效果

（3）考虑的不是LID布局，而是实时控制

（4）考虑不同强度的降雨，考虑多场次降雨

（6）考虑内涝，考虑溢流，综合考虑

（7）模型应用其他地方

（8）上述需求任意组合，综合考量

模块三：数学建模前导课程

1、 动力系统模型简介

2、动力系统模型结构及原理

3、模型的原理及解法：微分方程求解方法 数据驱动方法

4、 基于python实现动力系统模型的求解

5、预测预警类应用解析：藻类与水质预测

模块四：数学建模前导课程

1、化问题简介

2、优化问题模型结构及原理

3、 模型的解法及其原理

线性优化、非线性优化、整数优化

基于梯度度的牛顿法等

4、 基于python实现化模型的求解

5、优化类案例应用解析

（1）LID布局优化方案设计

（2）排水系统泵闸实时控制

模块五：深度学习方法

1、深度学习的简介

2、应用领域及当前取得的进展

3、 浅层神经网络及深层神经网络

4、深度神经网络的参数优化

5、卷积神经网络（藻类预测是否带有图像分类）

6、强化学习的基本原理和结构

7、Tensorflow的基本使用

8、案例应用

（1）基于深度学习实现藻类预测

（2）基于深度学习实现泵闸MPC优化控制

（3）基于强化学习实现泵闸优化控制