新工科背景下以OBE为导向的《水文学》课程改革探讨

“新工科”改革对人才培养理念和课程教学模式提出了新挑战,本文针对《水文学》课程的教学现状与存在的问题,以OBE为导向,尝试对课程的教学模式、教学内容、考核方式等方面的教学改革进行探索,教学模式由单纯的知识传授者变为导学者,教学内容的选取与工程实践紧密结合,采用Excel软件对水文进行计算,把课程与相关的科研成果紧密结合,以培养学生创新能力和解决实际工程问题的能力,进一步提高课程的教育教学水平和应用型人才培养质量。

基于深度学习的藻类混凝去除率预测方法

针对目前水厂应对藻类爆发时混凝剂投加量难以确定的问题,提出一种基于深度学习的藻类混凝去除率预测方法,利用DenseNet卷积神经网络和絮体图像对藻类混凝去除率进行预测,从而对投药量进行调整.具体做法是,在实验室条件下对高藻水进行混凝处理,记录混凝处理后的絮体图像和对应的去除率.以去除率区间为标签构建絮体图像数据集,利用此数据集对DenseNet-121模型进行训练.结果显示,训练后的模型对测试集的预测准确度达到了89.5%,与VGG和ResNet模型相比,利用DenseNet模型对本文建立的数据集进行识别的精确度更高,且在识别去除率在60%~90%区间的絮体图像相较于其他两种模型具有明显优势.同时通过对数据集外的铜绿微囊藻絮体图像进行识别,验证了模型具有良好的泛化性.