广东工业大学 | 市政工程 | 硕士 | 2023.09 – 2026.06
研究方向：基于机器学习的土地利用变化预测、基于SWAT的多情景洪涝评估、基于优化算法的LID设施优化
研究成果：“土地利用-洪涝”动态评估框架、一体化污水设施数据分析与监控平台等

广东工业大学 | 给排水科学与工程 | 本科 | 2019.09 – 2023.06
专业内容：设计绘制给排水管、污水厂和建筑给排水及消防图
课外内容：小程序开发、网页开发和Python编程

2025.04 – 2025.11
项目描述：设计开发集数据采集、实时监控与智能预警功能于一体的污水设施运维平台，支撑关键指标动态监测与异常事件快速响应
工作内容：
-1）独立开发了一款软件，软件功能包括记录日常操作数据(如巡逻情况、用药量等)；实时监控模块(如显示并绘制水中含氧量、进出水流量等数据图像，并实时更新最新的数据)；智能报警系统(如可以提前设置水中溶解氧安全范围，一旦数据异常马上推送通知)；
-2）读取硬件设备(PLC控制柜)及传感器(如溶解氧传感器)中的数据，用于数据的实时监控，同时也会将数据保存在本地，数据传输延迟不到0.01秒；
-3）听取修改意见，对软件进行修改，并认真分析撰写了需求反馈文档、软件使用说明文档及用户反馈报告，平台将于明年投入试运行；

2023.10 – 2026.06
项目描述：构建基于“土地利用-洪涝风险”动态评估框架，集成SWAT+水文模型与机器学习算法，量化不同土地利用情景对洪涝风险的影响
工作内容：
-1）用地理数据处理软件实现遥感数据的批处理和图像的绘制，并结合代码搭建了高效的数据处理流程，可高效完成机器/深度学习的数据处理;
-2）提出并开发了一种新型的土地利用模拟模型，其模拟效果较传统模型提升33%，其内部耦合了机器学习算法，用以捕获变化规律；
-3）构建基于水文模型的多情景模拟系统，可模拟未来的地表径流情况及风险区，支持城市规划；
-4）形成中文核心期刊论文一篇；英文论文一篇（在投）； 发明专利一项;

2023.08 – 2025.06
项目描述：面向海绵城市建设需求，聚焦多类型LID设施协同作用的竖向空间布设模型，通过量化径流控制效益与成本约束，运用优化算法实现最优方案求解
工作内容：
-1）参考SWMM模型中LID原理，开发单独的LID模块，用以模拟特定重现期下多类型LID设施共同作用(竖向LID布设)对径流的控制效益。解决了传统模型中的LID设施单独运行，无法连接的模拟问题；
-2）在单独的LID模块二次开发了竖向LID布设模型(如雨水-绿色屋顶-雨水花园-透水铺装)，绿色设施间的协同作用相较平面布设，可实现成本不变的基础上，径流控制效率得到提升；
-3）独立开发了一款软件，可通过优化算法求解最优的竖向LID布设方案，软件中嵌入的优化算法包括遗传算法、贝叶斯优化算法等主流算法；可以寻找到径流控制效益较高且成本较低的方案，支持海绵城市的规划；

-1）开发一体化污水设施的实时数据采集、监控和预警软件(图1)，目前正准备投入试运行；
-2）提出一种新型土地利用模拟模型和未来多情景洪涝风险评估框架(图2-3)，包括新型的土地利用模拟模型，改进淹没分析算法以及可模拟未来的地表径流情况的水文模型；
-3）开发了一款软件，可运行竖向LID布设的模型，同时嵌入了优化算法，用以快速求解最优方案 (图4-5);

最大的收获是在各项目中提升了代码运用能力，培养了思考问题和解决问题的逻辑和执行力。更重要的是在不停克服苦难的路上，学到了通过阅读文献扩宽思路和保持乐观的态度

图1 一体化污水设施的实时数据采集、监控和预警软件

成果说明：图1是搭建一体化污水设施平台时的软件界面，软件主要功能有：
-1）记录并展示数据(蓝色框和线条)如换班情况、巡逻情况、化验分析、药品消耗、每日耗电等数据。其中药品消耗会建立一个数据库，自动读取并计算剩余量，剩余量较低则提醒补充；
-2）利用监控探头和人工神经网络智能识别浮渣情况(橙色)，如浮渣过多则提醒工作人员打捞；
-3）实时读取传感器数据(绿色)，读取数据包括溶解氧，进水量、出水量和运行噪音等等，这些数据不仅会实时显示在右下角，还会绘制数据图表，可视化显示数据波动；
-4）智能报警(红色)，如当遇到溶解氧过低、进水流量过大等问题时，软件会自动报警并显示报警部位，出现的问题和应对方法。工作人员可查找使用手册对应页数寻找解决方案。

图2 PLUS模型与GDLUS模型流程对比

成果说明：相比于主流的土地利用模拟模型PLUS，我提出的新型土地利用模型采用了创新的土地利用演变的闭环动态改进模块，该模型的模拟更精确，可为未来洪涝风险评估、国土空间规划与生态保护政策制定提供了方法支撑。 其包括参数提取(蓝色框)：从数据中提取需要的参数，降低人为设置参数的主观性；目标分解(绿色框)：将土地利用变化的过程拆分为宏观数量需求与微观的空间布局，实现空间优先级的精准量化；智能采样(红色部分)：精准调控各类土地的演化速率。 三个模块协同作用，形成从规律提取、路径规划到高效执行的完整闭环，实现了土地利用演变的动态反馈与自适应调整。模型模拟结果见图3。

图3 2020年实际用地、PLUS预测以及M4模型的模拟结果比较

成果说明：区域2红色圈内存在一个新建城区，主流模型PLUS在模拟过程中没有将新建城区的扩张模拟出来，而我提出的新型模型(M4代称)则成功模拟出来。 区域1中红色圈内的城市用地和区域3中的城市用地和耕地也是M4模型的模拟效果更好，且总体指标FOM提升了33%，说明M4结果与实际土地利用格局最为接近，进一步验证了模型的有效性。

图4 LID竖向模型模拟优化软件

成果说明：图4是调整LID竖向模型优化软件界面的截图。该软件可根据雨量与LID布设面积(蓝色框和箭头)、单项LID建设成本(黄色)以及径流系数和降雨重现期(黑色)计算LID竖向模型的径流控制率、溢流量等。 软件还集成了优化算法(红色部分)可求解径流控制率较高且成本较低的方案，供用户参考。各LID措施的运行参数亦可根据实际区域的土壤情况进行调节。优化结果如图5所示。

图5 多目标贝叶斯优化结果

成果说明：图5中每个蓝色的点代表一个优化方案，红色的点是所有优化方案中径流控制效果较好且成本较低的方案，所有方案总和是1万个。横轴是整个研究区所有的溢流量，越小代表对降雨形成的径流控制效果越好，纵轴代表建设LID所需要的成本，成本不宜过高。如第一个红色方案，成本接近80亿但径流控制效果最好， 接下来的方案虽然径流控制效果略差，但成本是逐渐下降的。优化的目的就是求解这样的一条边界，因为这条边界代表着效果好且成本最低(蓝色的点在达到同等效果时，成本都是高于红色边界的)，在这条边界上可根据希望海绵设施达到的效果选择对应的方案，以实现效益最大化。