自2011年开始,建筑信息模型(Building Information Modeling,BIM)在我国快速发展。目前BIM已经应用到建设项目的各个阶段,并逐步向深度应用发展,BIM已成为建设行业发展的必然趋势,也由此产生大量专业人才的需求缺口。在此背景下,文章针对工程管理专业人才培养中BIM课程体系构建开展研究,对工程管理专业课程体系,包括通识教育课程、专业教育课程、个性化教育课程全面分析,重点讨论涉及BIM的相关课程,从现有课程融入BIM、新增BIM课程两个角度建构工程管理专业BIM课程体系,重点培养学生两方面的能力,即基础BIM建模能力和使用BIM将工程管理专业知识融会贯通的能力。文章所构建的工程管理专业BIM课程体系为BIM与工程管理专业的融合提供新思路,并对高校工程管理人才培养方案的制定具有借鉴意义。
新能源并网后的供电体系存在具有较高的间歇性和随机性,这将为电力生产和调度的平衡带来巨大挑战,而如何量化电力负荷的不确定性对电力系统安全经济地运行起着重要作用。为此,提出一种基于多目标和贝叶斯优化(multi-objective optimization and Bayesian optimization,MOBO)的深度学习区间预测模型,能在给定的置信水平下描述电力负荷的变化趋势。在预测模型的构建过程中,依据分位数回归理论计算出电力负荷在不同分位点处的预测区间,再通过有效性检验,筛选出合理的预测模型。同时,采用多目标优化和贝叶斯优化算法理论对深度学习模型的超参数进行调优。使用美国纽约州米尔伍德的电力负荷数据集对所提出的模型进行验证,实验结果表明,与其他模型相比,模型在不同置信水平下均有着更高的预测区间覆盖率和更窄的区间平均宽度,更能精确地描述未来电力负荷的波动范围。
