智慧水利“教學+科創+競賽”協同體系構建

劉澤 張智韜 許景輝

摘? ? 要：水利行業的高質量發展亟需智慧元素的融入，構建緊密結合智慧元素與專業的智慧類課程體系是智慧水利專業建設的必然步驟。文章在深入分析智慧水利“人工智能與機器學習”課程建設中存在問題的基礎上，提出在教學過程中將抽象理論知識形象化、注重理論算法從頭實現及課程體系與大學生科創實踐有機融合等措施，構建了 “教學+科創+競賽”協同體系，為“智慧+專業”復合型人才培養提供范例。

關鍵詞：智慧水利；課程體系；教學改革；大學生科創；復合型人才

中圖分類號：G642? ? ? ? ? 文獻標識碼：A? ? ? ? ? 文章編號：1002-4107（2024）04-0089-03

為了加快智慧水利建設，推動新階段水利高質量發展，2021年10月，水利部制定了《關于大力推進智慧水利建設的指導意見》《智慧水利建設頂層設計》及《十四五智慧水利建設規劃》，確定了建設數字孿生流域，實現具有預報、預警、預演、預案功能的智慧水利體系[1]。鑒于智慧水利在促進水資源優化配置、水利工程智能建造及水災害防治等方面表現出的獨特優勢，目前智慧水利已成為全國各大水利部門的研發熱點，但是智慧水利復合型人才的稀缺，嚴重阻礙了智慧水利的發展速度和研發進度。通過對中國電建集團西北勘測設計研究院有限公司、南水北調中線干線工程建設管理局、大禹節水集團股份有限公司、陜西省寶雞峽引渭灌溉管理局等近20家農業、水利、水電及相關行業代表性企事業單位及政府部門的調研發現，目前對智慧水利科學與工程的人才需求呈逐年上升態勢。

傳統水利人才熟悉水利工程的規劃、設計和建設，但是在信息化、智能化領域涉獵不足，難以對大型水利工程進行信息化設計與管理。而信息技術人才精通算法和計算機技術，卻對水利工程的核心建設和管理要素理解不夠深入，導致設計的產品與實際生產需要存在偏差。因此，建設智慧水利專業，培養既具備水利專業知識，又掌握智能生產技術的復合型專業人才，是解決我國智慧水利研發人員嚴重匱乏，提高我國智慧水利領域創新能力和國際競爭力的重要舉措，對于創制具有自主知識產權產品以及促進我國水利智能化發展具有重要現實意義[2]。

為了響應新時代國家水安全戰略，2022年，西北農林科技大學、河海大學和南昌工程學院率先開設了智慧水利專業，該專業以現代信息科學技術為基礎，以智慧水務、智慧灌溉、數字孿生流域、水利工程的智慧設計、建造、管理為重點，培養具有扎實的數學、力學、計算機科學和地理信息學基礎，具備水利工程智能設計與建造、安全智能監控與運行管理、水利大數據分析與智能輔助決策、智慧灌區設計與管理、水資源智能調度等專業技能，系統掌握水利信息自動采集與解析、智能決策與智能控制知識于一體的高級專門人才。

“人工智能與機器學習”是智慧水利專業的專業基礎課程之一，是智慧水利分析與決策的重要基礎，一般設置在大三第一學期，該課程對學生、教師以及智慧水利學科發展都有重要的影響。從學生的角度來看，“人工智能與機器學習”課程講授機器學習建模的理論及應用方法，是開發智慧水利應用決策系統必不可少的知識基礎，該課程對于學生學習興趣的培養意義重大，很大程度上也決定了學生對后續專業學習的態度及對智慧水利學科的認識。從教師角度上來看，“人工智能與機器學習”課程對于教師教學與科研素養的提升具有積極作用，該課程教學涵蓋內容較多，知識點分布十分密集，且相關理論還在快速發展當中。因此，要求教師要時刻緊跟學術前沿，掌握最新的理論與算法。此外，從學科發展的角度上來看，“人工智能與機器學習”是實現智慧水網與智慧灌區設計與管理的核心。

為積極響應國家“智慧+”轉型的戰略需要，從2019年起，西北農林科技大學水利與建筑工程學院在專業建設的過程中，就積極融入了智慧元素，其中“人工智能與機器學習”課程已經在水文與水資源工程、水利水電工程、能源與動力工程和電氣工程及其自動化專業開課。經過多年的探索，已經形成了較為成熟的課程教學體系，但其中存在的問題也日益凸顯，本文在綜合分析“人工智能與機器學習”課程教學現狀的基礎上，將教學過程中的潛在問題進行分析總結，并提出了相應的解決對策，以期為智慧水利專業“人工智能與機器學習”課程建設提供可參考的經驗[3-4]。

一、智慧水利背景下“人工智能與機器學習”課程教學過程中的潛在問題

（一）課程涉及知識面廣且抽象難懂

“人工智能與機器學習”課程涉及“概率論”“線性代數”“統計學”“逼近論”“凸分析”“最優化及算法復雜度理論”等多門課程，學生在學習“人工智能與機器學習”課程的時候，可能只先修了“概率論”“線性代數”及“統計學”等課程，而像“凸分析”“逼近論”及“最優化及算法復雜度理論”等偏數學的課程，部分學生可能完全沒有基礎，這就導致學生在上課時，感到課程內容抽象難懂。例如，在線性回歸算法的學習過程中，為了確定線性回歸模型的參數，使用了基于最小二乘法來進行模型求解，并通過令損失函數的梯度為零求解模型的最佳參數。但是為什么損失函數梯度為零的點是最佳參數，如果不講清楚背后的數學原理，學生學完會感到一頭霧水。因此，必須在講解的過程中，補充講解凸充分性定理，闡明若目標函數是凸函數的話，則其最優解一定是其損失函數梯度為零的點。只有這樣，學生才能理清算法的來龍去脈。此外，對于“概率論”與“線性代數”等課程，學生雖然有一定基礎，但是由于課程設置缺乏連續性，導致“人工智能與機器學習”開課時，學生學習的知識已經遺忘。例如，在主成分分析算法的講解過程中，涉及特征值與特征向量的計算，學生在“線性代數”課程中都學過，但是如果跳過計算過程，而直接給出結果，很多學生則難以理解其中的原理。

（二）理論學習與算法實現跨度大

“人工智能與機器學習”課程主要講授線性回歸、決策樹、支持向量機及神經網絡等經典算法，課上主要以理論講解為主，引導學生深入理解算法的理論基礎，但是由于從理論學習到算法實現需要學生具有較強編程能力，且需要掌握數據結構和算法實現等知識，其中的跨度仍然較大。許多學生雖然系統地學習了相關理論知識，但對如何實現相應算法，如何利用算法解決應用問題仍然存在困難。目前，有很多集成的機器學習軟件包可以使用，例如，可利用sklearn進行算法實現，該軟件包封裝了眾多分類、回歸、聚類、降維及算法評估的函數，只需要將數據集準備好，就可以方便學生進行機器學習。但是，由于這些軟件包都封裝成了函數，學生看不到算法的實現細節，無法學習從理論知識到算法實現的過程。因此，從零開始實現算法對學生深入學習機器學習理論，提高算法實現能力非常有必要。

（三）課程教學與實際應用脫節

人工智能在圖像處理、自動駕駛及自然語言處理等領域取得了巨大成功，極大地推動了社會的信息和智慧化發展。在智慧水利方面，機器學習已經被用于“河湖四亂”治理、水質監測及排污口識別等方面，并創造了一定的社會價值。因此，“人工智能與機器學習”課程教學不能僅停留在理論和算法實現的層面上，應當學以致用，使得學生能夠運用學習的理論知識解決實際問題?，F有的課程體系中，機器學習課程只有32個理論學時，但是需要講授分類、回歸、降維和聚類等機器學習主干內容，其中每個子內容又包含若干個算法，且各個算法還較為復雜難懂，課堂學時幾乎只夠講解理論知識。此外，在課程考核上，也主要是基于平時成績和期末考試成績對學生的知識掌握情況進行考察。學生考試成績的高低，并不能真實地反映學生是否已經具備了運用機器學習解決實際問題的能力。因此，如何實現課程教學與實際應用有機融合，是“人工智能與機器學習”課程教學過程中的重要課題[5-6]。

二、“教學+科創+競賽”協同體系建設研究

（一）抽象機器學習理論知識形象化，彌補數理基礎短板

“人工智能與機器學習”課程涉及學科較多，因此在上課的過程中，需要對必要的數理知識進行補充，如牛頓法、梯度下降及拉格朗日乘子法等方法，但是如果只是生硬地將數學課本上的知識搬運過來，學生可能會對枯燥的數理知識感到反感，進而影響教學效果。因此，在“人工智能與機器學習”課程教學過程中，可以通過創設問題情境，巧妙地創設問題情境能激活學生大腦的興奮細胞，激發學生學習的興趣，對即將學習的新知識產生濃厚的興趣。例如，在講授線性回歸模型的時候，可以采用學生學習時間與考試分數的關系講解一元線性模型。在此基礎上，引導學生思考考試分數還可能跟學習能力、復習程度及考試時間等多個因素相關，進而引出多元線性模型；在講授聚類的例子時，可以根據學生的興趣愛好對學生進行聚類，比如可按喜歡體育運動、看綜藝節目及電子游戲對學生進行聚類，這種形象貼切的例子，使學生對所學習算法理解更為深刻，并對可能應用的場景有一定認識。

（二）強化實驗環節，注重算法實現

由于課程學時的限制，“人工智能與機器學習”課程主要以理論知識講授為主，在算法實現上只能結合sklearn進行簡單的講解，對算法實現細節難以展開講解，且如果在“人工智能與機器學習”理論課程中設置實驗課，可能會存在實驗課時不足和學生重視程度不夠的問題。因此，為了算法實現過程學習，有必要單獨設立“人工智能與機器學習”實驗課程，針對理論課程中講解的算法，從頭開始學習算法的實現過程。西北農林科技大學的“人工智能與機器學習”實驗課程同樣為32課時，課上對理論課程中每個算法的實現過程進行教學。在實驗課前，讓學生書寫預習報告，對每次實驗涉及的理論算法知識進行回顧；由于讓非計算機專業學生從頭實現每一個算法難度很大，因此在上實驗課時，會向學生提供從頭實現的代碼，學生通過調試工具對算法的實現流程進行分析，在此基礎上，利用所學習的算法解決一個具體問題；在實驗課后，要求學生在書寫實驗報告的時候，畫出程序流程圖考察學生對算法實現過程的掌握程度，并通過思考題，加深學生從理論到算法的理解。在基礎實驗做完以后，設置綜合實驗環節，要求學生運用所學習的知識，系統解決一個緊密結合水利工程專業背景的實際問題，并增加實驗驗收環節，考察學生對算法的掌握情況。

（三）課程體系與大學生科創有機融合

機器學習具有很強的應用性，目前已經在很多領域得到了成功的應用，教師要引導學生靈活巧妙地把學到的知識應用到生活中，去解決生活中的實際問題，讓機器學習知識應用于生活，服務于生活，體現機器學習的價值。西北農林科技大學一直重視大學生創新創業訓練，設置了大學生國家級、省級及校級科創項目，并提供一定的經費支持，此外，每年還支持學生參加程序設計、人工智能及水利創新等學科競賽。如果能夠將“人工智能與機器學習”課程中學到的內容應用到大學生科創或者學科競賽中，可以提高項目的科技水平，并且進一步鞏固機器學習的知識掌握和應用能力。大學生在科創實踐過程中，鍛煉了自身提出問題，并運用機器學習算法解決問題的能力。但是，本科生的主要任務是學習專業基礎知識，因此在提出問題時，需要教師站在領域前沿進行引領，并對學生需要掌握哪些知識有針對性地進行指導，使學生直面問題，解決問題，而不是花費大量時間在尋找問題和學習基礎知識上。通過將課程與大學生科創實踐體系融合，學生更加重視對“人工智能與機器學習”課程的學習，且如果能夠在大學生科創或學科競賽中取得成績，將會為學生就業、升學等提高核心競爭力。

三、課程中的應用

為了有機地構建“教學+科創+競賽”協同體系，從2018年開始，西北農林科技大學水利與建筑工程學院開始著手“人工智能與機器學習”課程體系構建，并制定了相應的課程質量標準，在四年的教學過程中，開課5次，教授學生共計214人次，已形成較為完善的課程體系，有機地將數理知識融入課程教學過程。在實驗教學過程中，已形成了面向“人工智能與機器學習”較為系統的實驗指導書，覆蓋“人工智能與機器學習”理論教學過程中的大部分算法實現過程，課程達成度較高。在此基礎上，課程組有機地將“人工智能與機器學習”課程與大學生科創實踐體系結合起來，指導大學生創新創業項目17項，其中已結題10項，獲得優秀4項；以本科生為第一作者發表SCI三區論文2篇，登記軟件著作權6項，獲得中國大學生程序設計大賽西北地區二等獎1項；已畢業科創負責人分別進入浙江大學、西安交通大學、香港大學繼續深造；指導本科生畢業設計34人，其中獲得校級優秀6人，排名前15% 10人。

四、結論

在新工科背景下，人工智能與傳統專業融合是高等教育面臨的重要課題?！叭斯ぶ悄芘c機器學習”課程作為智慧水利、智慧農業及智慧城市等新工科專業建設過程中必不可少的基礎課程，在智慧決策過程中起到至關重要的作用。本文分析了“人工智能與機器學習”課程在實施過程中可能遇到的問題，并提出了將教學改革、大學生科創和學科競賽整合起來的課程建設思路，構建了“教學+科創+競賽”協同體系。在西北農林科技大學水利與建筑工程學院的教學實踐過程中，該課程體系有效地提升了學生的學習效果，并激發了學生探索科學原理的興趣，取得了一定的教學成果。實踐表明，該課程體系協同建設模式可以為我國“智慧+專業”建設提供借鑒經驗。

參考文獻：

[1]? 蔡陽.以數字孿生流域建設為核心構建具有“四預”功能

智慧水利體系[J].中國水利，2022（20）.

[2]? 宋鴿，許燕.“一帶一路”倡議背景下高?！岸碚Z+專業”

復合型人才培養潛在問題及對策研究[J].黑龍江教育（高

教研究與評估），2022（11）.

[3]? 張新長，李少英，阮永儉.“智慧城市”線上線下混合式一

流課程建設與探索[J].地理信息世界，2022（29）.

[4]? 王暉，黃曉媛.大數據時代“旅游學概論”智慧型課程建

設與改革創新[J].教育教學論壇，2018（41）.

[5]? 寇志偉，劉利強，王剛.面向新工科的“電磁場理論”課程

建設與實踐[J].黑龍江教育（高教研究與評估），2022（11）.

[6]? 孫志堅，俞自濤，鄭夢蓮，等.學科交叉復合的“智慧能源

系統理論與應用”課程建設研究[J].高等工程教育研究，

2019（1）.