韶关学院土木工程学院
- 作品数：31 被引量：42H指数：4
- 相关作者：刘洋黄俊龙邓志华李婷婷更多>>
- 发文基金：新世纪高等教育教学改革工程国家自然科学基金广东省高等职业技术教育研究会课题更多>>
- 相关领域：文化科学建筑科学环境科学与工程一般工业技术更多>>
- 绿色建筑理念下土建类专业第二课堂实践育人的探索被引量：2
- 2020年
- 《建筑业发展“十三五”规划》明确指出了在未来要将绿色建筑和建筑节能作为发展目标,并把绿色建筑和节能施工的法律体系放在重要位置上,故对于高校土建类专业学生的培养更应把绿色建筑思维贯穿到第二课堂实践育人的全过程。
- 蓝毅孙燕于佳佳
- 关键词：土建类专业第二课堂实践育人
- 地方本科院校材料专业实践教学体系构建被引量：6
- 2019年
- 从应用型人才的内涵与特点分析入手,对无机非金属材料工程专业实践教学进行认真研究,按照"两结合+四平台"的原则,调整实践教学的内容,构建完整的、可操作性强的实践教学体系,为培养具有创新创业精神的应用型高级人才奠定基础。
- 贺图升刘洋黎载波赵三银赵旭光
- 关键词：实践教学
- 无机非金属材料工程专业中第一课堂与第二课堂协同育人机制的探讨
- 基于无机非金属材料工程专业的特点,结合新时代教育的发展布局,探讨第一课堂与第二课堂协同育人的机制,以更好地推动无机非金属材料工程专业向应用型专业的转变。
- 陈超贺图升张储君
- 关键词：无机非金属材料专业第二课堂
- 文献传递
- 地方本科院校材料专业开放实验室建设与管理被引量：3
- 2019年
- 为了促进地方本科院校开放实验室建设与专业发展、人才培养目标相融合,首先分析了开放实验室建设的必要性;然后针对韶关学院无机非金属材料工程新开专业,提出了开放实验室的建设措施及相应的管理模式;最后总结了近几年开放实验室建设与管理取得的有益效果。
- 贺图升刘洋黎载波赵三银赵旭光
- 关键词：地方高校
- 土木工程专业中力学教学与注册考试结合的探讨
- 2018年
- 在土木工程专业的教学当中,力学类课程至关重要。如何将力学教学内容与土木工程专业有机的结合到一起,注册考试是一个比较好的切入点。通过研究注册考试当中的力学部分的分值比例,讨论教学中引入注册考试的可行性,探索了专业人才培养的新方向。
- 邱剑赵旭光
- 关键词：土木工程注册考试
- 地方应用型高校土建类专业“教学—学工”协同发展探讨——基于个性化人才培养的视角被引量：2
- 2016年
- 随着建筑业及高等教育的不断发展,面对"90后"大学生个性鲜明的特点,本文基于个性化人才培养视角,以培养适应土建类专业发展、国家注册工程师制度和创新型人才培养需求的复合型高级工程技术人才为目标,探讨地方应用型高校土建类专业教学与学生工作的协同发展。
- 蓝毅黄锡兴
- 关键词：个性化培养土建类专业
- 粉煤灰中微量重金属元素的溶出研究被引量：1
- 2018年
- 以不同来源的粉煤灰为研究对象,采用水平振荡试验,研究不同溶出试验条件对粉煤灰中微量重金属元素溶出量的影响规律,并结合SEM与XRD分析其溶出机理.结果表明:振荡时间、浸提液pH值、液固比、颗粒细度对重金属元素的溶出都有一定的影响.不同来源的粉煤灰在相同时间内Cr和Zn溶出量较大,其次是Cu.Cu,Cr,Zn均呈两性溶出趋势,即在pH=7～10内溶出量最低而强酸碱条件下容易溶出.溶出后粉煤灰的主要物相种类未发生变化,重金属元素的溶出是部分矿物发生溶解、结构解体所致.
- 瞿晓玲谢小书
- 关键词：粉煤灰重金属溶出
- 开放实验室对材料专业“三型”人才培养的探索
- 应用型、创新型、创业型'三型'人才是韶关学院基于自身发展定位提出来的人才培养目标,而开放实验室是实现'三型'人才培养目标的关键。首先分析了目前高校实验室存在的主要问题以及建设开放实验室的必要性,然后针对韶关学院无机非金属...
- 贺图升黎载波刘洋
- 关键词：创新型创业型
- 混凝土强度预测的智能算法模型研究
- 2019年
- 根据智能算法在混凝土强度预测上的应用,针对四种算法模型即RBF神经网络、GRNN神经网络、ELM极限学习机以及SVR回归支持向量机,对实验室采集到的同批101组混凝土强度测试数据进行回归预测研究。实验结果表明,SVR在混凝土强度回归预测方面具有明显的优势,相较与本文的其他三种智能算法,均方误差最小,决定系数最大,预测结果接近实际值。同时,本文还印证了SVR方法在小样本预测问题上的适应性,较好地实现历史数据少情形下的回归预测。总之,采用最优回归预测模型SVR能够很好的预测混凝土强度,对混凝土施工具有重要的参考意义。
- 陈伟雄邱剑
- 关键词：混凝土强度SVR
- 地质矿物的地球化学数据可视化分析与构造背景预测被引量：5
- 2019年
- 本文采用目前世界上使用广泛的GEOCOR数据库对地质矿物进行数据挖掘。首先利用Python和Matlab等工具对全球矿物的地球化学数据集(41360件)进行预处理(数据清洗),然后对特征数据集进行空间分布、聚类分析和社区发现的可视化分析,最后利用二次清洗得到的建模数据,采用ELM和SVM两种机器学习方法对地质矿物构造背景进行智能预测判别,得出以下重要结论:(1)通过对地质矿物的28个属性进行K-Means聚类得到的雷达图,结合学术界的研究得出,地质矿物的聚类可视化效果比较明显。(2)通过社区发现算法来挖掘新的构造背景与原有的七个构造背景间的潜在联系,每一个构造背景为一个节点,都可以进行系统地探索。运用逆向推导的思维可以推断出地球化学元素与地质矿物原有的七种构造背景间存在的特定联系,如类别3的矿物的主量元素MgO、微量元素Cr、Ni与类别6的主量元素K2O、微量元素Th、Nb、Rb在原有大陆溢泥质矿物构造背景上可以明显区分于其它构造背景。(3)本文采用大数据思维,在建模数据有限的情况下,利用支持向量机对地质矿物的六种构造背景进行预测判别,识别准确度高达91.7%。充分说明利用支持向量机对矿物的构造背景进行预测判别是可行的。
- 陈伟雄杨华健周泽东张明
- 关键词：数据挖掘数据可视化
