管 理 科 学 与 工 程 （ 1201） 《高级运筹学》 《系统科学与系统工程》 《高级计量经济分析》 《文献阅读与学术写作》 《管理科学与工程前沿》 《高级信息管理》 《管理科学研究方法》 《系统仿真与建模》 《社会网络分析》 《ESG 理论及应用》 《六西格玛管理》 管 理 科 学 与 工 程 （ 0871） 《数据驱动的管理方法》 《大数据治理》 《大数据分析与挖掘》 《高级信息系统分析与设计》 《大数据技术及应用综合实践》 《高级统计学》 《科技美学与创新思维》 《深度学习》 《高级管理学》 《大数据分析与管理》 《信息经济学》 《复杂网络理论与应用》 大 数 据 技 术 与 工 程 《大数据技术与工程前沿》 《创新创业与职业规划》 《数据采集与预处理》 《大数据可视化》 工 业 工 程 与 管 理 《工业工程与管理概论专题（英）》 《文献阅读与写作》 《质量与可靠性》 《运营管理》 《人因与设计》 《领导力与组织沟通》 《工程经济学》 《工程系统建模与仿真》 《定量分析：模型与方法》 《项目管理》 《供应链与物流管理》 《精益生产》 《数字经济》 《数字企业管理》 《数字创新与创业》 《项目管理案例研究》 《企业经营模拟实训》 《生产过程仿真与作业改善实训》 《工程伦理》 《文献阅读与学术写作实践》 《知识产权》 物 流 工 程 与 管 理 《专业实践》 《物联网概论》 《物流大数据前沿与技术》 《物流系统分析与优化》 《物流系统建模与仿真》 《物流系统应用实践》 《现代物流与供应链管理》

I 目 录 1学科基础课平台必修课 《城市规划专业导论》 《设计色彩 1》 《设计素描 1》 《高等数学 D》 《概率论与数理统计》 《建筑设计基础 A1》 《建筑设计基础 A2》 《建筑设计 B1》 《建筑设计 B2》 《建筑设计 B3》 2学科基础课平台选修课 《建筑制图 A1》 《建筑制图 A2》 《建筑制图 A2》课程计算机绘图实践 《阴影与透视》 《平面构成设计》 《立体构成 A》 《城市规划速写》 《规划风景写生》实践 《计算机辅助设计》 《规划手绘效果图表现技法》 《规划电脑效果图表现技法》 《建筑构造 B》 《中外建筑史 C》 《测量学 A》 《测量学实习 B》 《建筑物理 B》 II 《城市规划专业英语》 3专业课平台必修课 《城市规划专业毕业设计（论文）》 《城市规划原理 A》 《城市道路与交通规划》 《城市道路与交通规划课程设计》实践 《居住区规划》 《居住区规划》课程设计实践 《中外城市建设史 B》 《城市绿地系统规划》 《城市绿地系统规划课程设计》实践 《城市设计 1》 《城市设计 1 课程设计》 《城市工程系统规划》 《城市工程系统规划课程设计》 《城镇总体规划》 《城镇总体规划课程设计》 《控制性详细规划》 《城市控制性详细规划》 《城市规划管理与法规》 《城市规划专业毕业实习》 《城市规划社会调查》 《城市规划业务实践》 4专业课平台选修课 《人居环境模型制作与造型》 《城市认知实习》 《城市地理学》 《城市社会学》 《城市经济学》 《城市生态环境》 《城市设计 2》 《城市设计 2 课程设计》 《新农村规划与设计》 《新农村规划与设计课程设计》 III 《GIS 及在城市规划中的应用》 《城市规划快题设计 1》 《城市规划快题设计 2》 《城市规划快题设计 3》

专业必修课 《设施农业建筑学基础》 《设施农业专业实践》 《生物化学 B》 《生物统计》 《土壤肥料学》 《遗传学 B》 《植物保护学》 《植物生产类专业导论》 《植物生理学 A》 《植物学 B》 《建筑制图》 《农业气象学 B》 《农业实验室安全教育》 《微生物学》 《设施农业学》 《设施作物栽培学》 《农业设施工程学》 《设施环境与调控》 专业综合实践环节 《设施类型结构性能和生产应用调查》 《设施园艺生产实习》 《设施专业毕业论文》 《蔬菜育苗与无土栽培操作实习》 《温室设计实习》 《园艺设施环境观测与调控实习》 《农业气象学教学实习 B》 《植物保护学实习》 《规模化农业生产与产业调研》 《植物学教学实习 B》 专业选修课程 《农业设施环境模拟与仿真》 《农业信息技术》 《设施农业装备及智能化》 《设施作物育种学》 《温室作物生长模型与专家系统》 《无土栽培原理与技术》 《园艺生态学》 《植物工厂技术及应用》 《专业外语》 《观赏植物栽培学》 《农业设施的设计与建造》 《农业生产机械化》 《园艺产品贮藏与加工学》 《园艺生物技术》 《园艺植物组织培养》 《科技论文写作 》 《农学概论 B》 《农产品营销学》 《现代企业管理》 《双碳概论》 《工程项目管理》 《农业大数据原理与应用 C》 《测量学》 《电子商务》 《农业物联网技术与应用》

为了分析航班运行风险传播过程，进而有效控制保障飞行安全，基于复杂网络理论，首先参照民航局咨询通告选取机组、航空器、运行环境共29个终端因素作为网络节点，统计民航安全监察记录，根据事件中节点关系，构建无向网络；统计前后节点间的作用关系和发生概率，提出一种有向带权的航班运行风险网络；然后，引入改进感染率和改进恢复率概念，构建一种适用于航班运行风险传播分析的改进SIR(Susceptible-infected-recovered)模型；定义感染起始范围，最后采取多参数控制方式，大规模计算该有向带权网络的传播和控制过程。结果表明：有向网的平均最短路径为1.788，属于小世界网络；参照使用民航常规管控措施，有向网节点感染下降幅度可达到37.4%；对入度值排序前3或前4的节点控制后，感染节点峰值下降率高达50.6%和58.1%，网络传播抑制明显。结果证实：在该航班运行风险有向带权网络中，按入度值控制节点对抑制风险传播最为有效

在贝叶斯理论框架下, 提出了一种基于多源数据融合的深埋硬岩隧道围岩参数概率反演方法.首先, 分析硬岩隧道常用的启裂-剥落界限本构模型中围岩单轴抗压强度、启裂强度与抗压强度比及抗拉强度三个参数不确定性来源, 确定其概率统计特征; 其次, 利用粒子群算法优化多输出支持向量机, 建立反映反演参数与隧道监测数据间非线性映射关系的智能响应面; 最后, 结合贝叶斯分析方法构建概率反演模型, 运用马尔科夫链蒙特卡洛模拟算法实现了围岩参数的动态更新.将该方法应用到某深埋硬岩隧道中, 利用反演的围岩参数计算隧道拱顶下沉点、周边收敛点变化值及开挖损伤区深度, 与监测数据吻合较好.结果表明, 该方法可以实现围岩多参数快速概率反演, 更新后的参数可用于硬岩隧道施工安全风险评估与结构可靠性设计

用分截面组合测力辊测量了无润滑、无张力条件下冷轧合金铝带的法向应力p与切向应力τ。试验结果表明按比值τ/p定义的\摩擦系数\f的值与分布形态不仅取决于轧辊轧件的接触表面条件,还与塑性变形的条件(如l/$\\bar h$、ε等)有关。在其他条件不变时,f、fmax、f值随l/$\\bar h$增加而增大。为了深入认识影响f变化的原因,引入了界面摩擦水平f*。f与f*之差反映了变形几何条件等因素的影响。沿接触弧上f的分布具有由入、出口的较高值下降到中性点为零的总趋势,而且下降的速率是变化的。一般具有\快速下降——平缓变化——快速下降\的形式,其中平缓变化段随l/$\\bar h$增加而增大。在统计分析试验结果的基础上给出了接触弧上f分布的模型,将它用于压力分布与轧制力的计算,可以提高计算精度,使理论更加严密。轧件与轧辊接触界面上的正应力p、切向摩擦力τ以及摩擦系数f(由f=τ/p所定义)的分布规律是重要的边界条件。在冷轧薄板的条件下,由于变形一般比较均匀,数学力学的初等解析解的假设条件与实际情况比较接近,这时所取用的边界条件对轧制压力P、应力状态系数n;以及前滑Sh等项理论解的精度有很大的影响。尽管已经进行了很多关于边界条件的研究工作,但关于界面上摩擦规律的认识还不很清楚。因此迄今为止的理沦计算仍基于一些简化的边界条件假设上,使计算的结果与实际的偏离较大。本工作的重点是对冷带轧制接触界面上的摩擦规律作一些探讨

针对板坯连铸过程中间裂纹严重的问题,对中间裂纹的形貌、元素偏析等情况进行分析.通过建立有限元模型,对不同压下位置和不同压下量凝固前沿的受力情况进行计算并与临界应力值进行对比.结果表明:C、P、S等元素在晶界处富集只是促使中间裂纹开裂的内因,真正造成铸坯开裂的原因是凝固前沿所承受的拉应力.铸坯通过矫直段时,多处位置的凝固前沿所承受的拉应力超过钢的临界值,导致凝固前沿容易开裂延伸,形成中间裂纹;而弧形段和水平段处凝固前沿所承受的拉应力不超过钢的临界值,无裂纹产生.统计现场大量轻压下的实验结果显示:轻压下避开矫直区进行时,中间裂纹的发生率降低约41.3%

鉴别分析是一种进行统计鉴别和分组的技术手段。它可以就一定数量案例的 个分组变量和相应的其他多元变量的已知信息,确定分组与其他多元变量之间 的数量关系,建立鉴别函数( discriminant function)o然后便可以利用这一数量 关系对其他已知多元变量信息、但未知分组类型所属的案例进行鉴别分组。沿用 多元回归模型的称谓,在鉴别分析中称分组变量( grouping variable)为因变量, 而用以分组的其他特征变量称为鉴别变量( disciminant variable)或自变量。其 实,这里的自变量并不一定是真正的“原因”变量,有时可能倒是真正的“结 果”或“反应”变量。它们与类型变量的关系从本质上并没有越过相关的范畴。 不过,既然我们要参照其值来进行分组,权且称之为自变量

鉴别分析是一种进行统计鉴别和分组的技术手段。它可以就一定数量案例的一个分组变量和相应的其他多元变量的已知信息,确定分组与其他多元变量之间 的数量关系,建立鉴别函数(discriminant function)然后便可以利用这一数量 关系对其他已知多元变量信息、但未知分组类型所属的案例进行鉴别分组。沿用 多元回归模型的称谓,在鉴别分析中称分组变量(grouping variable)为因变量, 而用以分组的其他特征变量称为鉴别变量( disciminant variable)或自变量。其 实,这里的自变量并不一定是真正的“原因变量,有时可能倒是真正的“结 果”或“反应”变量

因子分析( Factor Analysis)是多元统讣分析技术的一个分支,其主要目的 是浓缩数据。它通过研究众多变量之间的内部依赖关系,探求观测数据中的基本 结构,并用少数几个假想变量来表示基本的数据结构。这些假想变量能够反映原 来众多的观测变量所代表的主要信息,并解释这些观测变量之间的相互依存关 系,我们把这些假想变量称之为基础变量,即因子( Factors)。因子分析就是研 究如何以最少的信息丢失把众多的观测变量浓缩为少数几个因子 因子分析是由心理学家发展起来的,最初心理学家借助因子分析模型来解释 人类的行为和能力,1904年查尔斯·斯皮尔曼( Charles spearman)在美国心理学 杂志上发表了第一篇有关因子分析的文章,在以后的三四十年里,因子分析的理 论和数学基础逐步得到了发展和完善,它作为一个一般的统计分析工具逐渐被人 们所认识和接受