吕鹏 - 中南大学 - 公共管理学院

个人简介

吕鹏（1985-），江苏徐州人。中南大学公共管理学院教授（2016-）、中南大学社会计算研究中心主任（2020-）。国家社科基金重大项目首席专家【立项资助】（2017-2022）、国家社科基金重大项目首席专家【滚动资助】（2019-2022）。国家民委民族研究优秀中青年专家。中共中央直属机关青联委员。国立首尔大学公派访问学者、韩国高等教育财团ISEF访问学者。清华大学自动化系博士后（2014-2016）、清华大学社会学系博士（2011-2014）、美国芝加哥大学联合培养博士（2012-2013）、韩国首尔大学访问学者（2018-2019）。主要研究方向为大数据预测、社会物理学、社会公共安全、社会系统仿真、群体智能、人工智能、应急管理、大数据分析与预测、计算社会科学、ABM智能体建模、多主体仿真、元胞自动机仿真、大数据挖掘、大数据GIS可视化、空间博弈论仿真等。发表SCI/SSCI/EI收录论文多篇，相关软件著作权15项。工作经历 2016.11-至今公共管理学院 | 中南大学在职 | 教授 2014.7-2016.10 自动化系 | 清华大学完成 | 博士后科研项目 [1]国家自科基金面上项目【负责人】“基于大数据的群体性突发事件预测” [2]国家社科基金重大项目【首席专家】"基于大数据的反社会行为预测研究",国家社科基金重大项目在线公开课《计算社会学ABM仿真模拟》课程大纲 1、绪论： 1.1 ABM仿真模拟总序； 1.2 Netlogo界面操作 2、基础代码： 2.1扩散模型 Diffusion Model； 2.2边界的产生(Box Drawing) 2.3物种产生与分组控制(Breeds and Shapes)； 2.4 繁花曲线绘制(Turtles Circling Simple) 元胞自动机 3.1元胞自动机基本讲解； 3.2生命游戏(Game of life) 3.3投票模型(Voting)； 3.4伊辛模型(Ising Model)； 3.5森林火灾与渗流模型(Fire Model) 4、网络模型 4.1网络模型简介； 4.2网络模型(Network Model) 5、社会应用类模型 5.1英雄和懦夫(Hero and Coward)； 5.2蚁群算法(Ant Lines)； 5.3派对模型(Party Model） 6、进阶模型 6.1种族隔离模型(Segregation) 6.2狼吃羊模型(Sheep and Wolves)； 6.3合作模型（Cooperation） 7、课程总结与展望 7.1团队的研究； 7.2 ABM研究展望

研究领域

Agent Based Modeling 系统动力学计算社会科学大数据预测应急管理公共安全

近期论文

查看导师最新文章（温馨提示：请注意重名现象，建议点开原文通过作者单位确认）

[1].Structural Effects of Participation Propensity in Online Collective Actions: Based on Big Data and Delphi Methods, Journal of Computational and Applied Mathematics, 2018, 344: 288–300【SCI, SSCI, Q1, IF=1.632, 中科院Top期刊】 [2].Predicting durations of online collective actions based on Peaks’ heights. Communications in Nonlinear Science and Numerical Simulation. 2018, 55: 338-354【SCI, SSCI, Q1, IF=3.181, 中科院Top期刊】 [3].Exploring the Participate Propensity in Cyberspace Collective Actions: The 5‰ Rule. Physica A. 2018, 503: 582-590【SCI, SSCI, Q2, IF=2.132】 [4].Cost heterogeneity and peak prediction in collective actions. Expert Systems With Applications, 2017, 79: 130–139【SCI, SSCI, Q1, IF=3.928, 中科院Top期刊】 [5].Individual Vision and Peak Distribution in Collective Actions. Communications in Nonlinear Science and Numerical Simulation. 2017, 47: 238-252【SCI, SSCI, Q1, IF=3.181, 中科院Top期刊】 [6].Predicting Peak of Participants in Collective Action. Applied Mathematics and Computation (2016), 274: 318-330【SCI, SSCI, EI, Q1, IF=2.300, 中科院Top期刊】 [7].Learn Good from Bad: Effects of Good and Bad Neighbors in Spatial Prisoners Dilemma Games. Physica A (2015), 436: 351–358【SCI, SSCI, EI, Q2, IF=2.132】 [8].Individual Choice and Reputation Distribution of Cooperative Behaviors among Heterogeneous Groups. Chaos, Solitons and Fractals (2015), 77: 39-46【SCI, SSCI, EI, Q1, IF=2.213】 [9].Imitating Winner or Sympathizing Loser? Quadratic Effects on Cooperative Behavior in Prisoners Dilemma Games. Physica A (2015), 436: 327–337【SCI, SSCI, EI, Q2, IF=2.132】 [10].Social Stratification and Cooperative Behavior in Spatial Prisoners Dilemma Games. Plos ONE, 10(7): e0131005【SCI, SSCI , EI, Q1, IF=2.766】 [11].Heterogeneity of Inferring Reputation of Cooperative Behaviors for the Prisoners Dilemma Game. Physica A, 2015, 433: 367–378【SCI, EI, Q2, IF=2.132】 [12].When does Inferring Reputation Probability Countervail Temptation in Cooperative Behaviors for the Prisoners Dilemma Game? Chaos, Solitons and Fractals, 2015, 78: 238-244【SCI, SSCI, EI, Q1, IF=2.213】