为引导学生提前规划大学生活，推动学院优良学风、院风的建设发展，11月14日，河海学院在A01 226教室举办题为《水运工程机器学习与大数据感知》的“双福行远”学术讲座。本次由港口航道与海岸工程系主任汪承志老师主讲。

河流流态与岸坡稳定智慧监测系统开发

讲座伊始，汪老师从基于数字图像处理技术的中小水库安全监测方法研究、深度学习技术在水库安全运行监测中的应用探索展开讲解，他指出，深度学习是关于数据特征表达的一门新兴技术，其基础是机器学习，更严格地说，是机器学习中的神经网络方法。并从人工智能与机器学习、机器学习概念、机器学习原理、机器学习在工程中的运用现、AI/机器学习在工程中的运用前景、算法介绍了什么是人工智能、机器学习与大数据。

水工混凝土工作性能机器学习与自动调整

汪老师谈到，深度的卷积神经网络（Convolutional Neural Networks, CNN）是一种优秀的深度学习模型，主要用于学习图像数据特征。与CNN相比，循环神经网络（Recurrent Neural Network, RNN）模型是一种时间上的深度网络，可以在时间域上提取特征。近年来，机器学习在混凝土表面的裂缝识别、损伤界面建模、抗压强度预测、耐久性评估、碳化情况预测等方面得到了广泛的应用。

图像成像的结构损坏程度分析

紧接着，汪老师从港口结构大场景无接触成像检测系统、高速成像数值散斑无损检测技术测试内河码头结构、内河大水位差架空直立式码头寿命安全性能评估方法、系统工程应用四个方面分析图像成像的结构损坏程度。

无人机流速测试

汪老师指出，针对河道水草茂盛、水深不一、测验环境复杂等问题导致的测速设备无法进入的问题；或是测速水样具有高污染、剧毒等问题而导致人工无法近距离测验时，无人机具有十足优势。

港口大数据系统

在提及智慧港口数据信息系统（港口安全预警及部位）时，汪老师从港口安全事故与船运、货种、环境等之间的数学表达、港口工程施工工序优化模型与赢利点分析、构件工作性状的复杂环境（社会+自然）及其数学表达、港口数据来源、保存与接口平台、港口数据综合分析模型讲解了该系统的核心科学问题与研究方向。

水运工程机器学习与大数据感知的其他应用

理论上来讲机器学习是一种让计算机在没有事先明确地编程的情况下做出正确反应的科学，是对能通过经验自动改进的计算机算法的研究。汪老师告诫同学们“不要以为大数据是学计算机的人的事情，事实上，大数据只有本专业的人才能做，因为大数据需要经验。经验就是公式，只不过没法用语言表达，若用数学公式或计算机语言表达出来既为人工智能。”

讲座最后，汪老师同现场学生进行互动交流，耐心解答大家对于专业知识、专业发展前景相关问题的疑问。来自水利一班的赵树正同学表示“汪承志老师的讲解，让我加深了对本专业知识的了解，帮助我确定了学习目标，明确了未来的就业方向。”