个人简介
刘辉（1983-），男，福建仙游人，副院长
曾获德国教授资格证书、中德双专业双博士学位（交通运输工程/自动化工程）
主持完成德国联邦教育与研究部优秀青年基金
入选国家万人计划青年拔尖人才、交通运输部青年科技英才、湖南省科技人才托举工程（中青年学者）、湖南省芙蓉青年学者
【教育背景】
2000.09 - 2004.06，工学学士，机械设计制造及其自动化（校优秀本科毕业论文/校优秀毕业生），中南大学
2005.09 - 2008.06，工学硕士，载运工具运用工程（省优秀硕士学位论文/省三好学生/省优秀毕业生），中南大学
2008.09 - 2011.06，工学博士，载运工具运用工程（全国百篇优博提名奖/省优秀博士学位论文），中南大学
2011.07 - 2013.09，工学博士，自动化工程（优等毕业生），德国罗斯托克大学
2013.10 - 2016.10，德国国家教授资格证书（Habilitation，欧洲最高学术学位），自动化工程，德国罗斯托克大学
【工作经历】
2004.08 - 2005.07，车辆技术员，上海铁路局上海分局
2011.09 - 2013.08，讲师，中南大学
2013.09 - 2015.08，副教授，中南大学
2011.07 - 2013.09，德国博士后、研究科学家，德国罗斯托克大学
2013.10 - 2015.02，德国课题组长（Group Leader）、高级研究科学家，德国罗斯托克大学
2015.03 - 至今，德国联邦教育与研究部公函任命的BMBF冠名课题组长（BMBF Junior Group Leader），德国CELISCA国家重点实验室
2015.03 - 2016.10，德国W1教授/Junior Professor，德国罗斯托克大学
2016.11 - 至今，德国W2教授（德国63所国立大学最年轻35名终身教授之一）、博士生导师，德国罗斯托克大学
2015.09 - 至今，教授（2015年中南大学全校5名破格教授之一）、博士生导师，中南大学
2019.01 - 至今，交通运输工程学院, 副院长，中南大学
2019.05 - 至今，校学术委员会委员、院教授委员会副主任委员，中南大学
【科研项目】
1. 在研课题：
1.1 地铁站台候车区PM2.5浓度短时多步预测及其空间关联规律研究，国家自然科学基金面上项目，2021-2024，主持
1.2 铁路沿线风速短时智能预测模型及其大数据嵌入方法研究，国家自然科学基金面上项目，2019-2022，主持
1.3 轨道交通系统全生命周期成本关键要素辨识与分析方法研究，国家重点研发计划项目课题，2017-2020，主持
1.4 高速磁浮列车整车走行系统振动试验大数据可视化关键技术开发，香港宝克测试系统有限公司课题，2019-2020，主持
1.5 基于智能电能表的非侵入式负荷识别算法专项技术研究，威胜集团课题，2018-2020，主持
1.6 交通装备制造环境下自然人体骨骼与脸部特征智能学习及运载机器人防撞退避控制方法研究，创新驱动人才课题，2018-20219，主持
1.7 面向运载安全的机器人关键时序智能大数据预测与嵌入方法，创新驱动青年团队课题，2019-2021，主持
2. 已结题课题：
2.1 Life Science Automation-Systems & Process Technologies，德国优秀青年基金（430万欧元），主持
2.2 铁路沿线风速超前多步高精度预测方法研究，国家自然科学基金青年项目，主持
2.3 铁路沿线风信号智能预测算法研究，湖南省教育厅优博专项，主持
2.4 升华育英计划人才项目，中南大学，主持
2.5 铁路沿线风速统计智能混合预测方法，中央高校基本业务费青年助推课题，主持
【指导在读博士/硕士研究生情况】
（欢迎交设/交控/交运、交通工程、控制、自动化、电子及应用数学等专业报考硕士、博士研究生；鼓励跨专业报考；支持学生获中外双学位或联合培养）
1. 毕业博士研究生1名 （2016年回国后指导的第一个国内博士，德国已毕业3名博士）：
1.1 Intelligent Wind Speed Forecasting in High-speed Railway Engineering（智能高铁风速预测方向）, Dr. Xiwei Mi (米希伟，本硕博均毕业于中南大学载运工具运用工程专业，读博期间获中南大学校长拔尖奖学金、国家博士生奖学金，2019年6月三年博士毕业后直接受聘北京交通大学教授), Discipline: Traffic & Transportation Engineering/Vehicle Engineering （2016级载运工具运用工程，与澳大利亚蒙纳士大学机械与航空工程系机器人实验室联合培养）.
2. 在读博士研究生7名：
2.1 Wind Energy Health Monitoring（风能健康监测方向）, Candidate: M.Sc. Xiaonan Wang (王孝楠，本硕均毕业于西南交通大学土木工程专业), Discipline: Traffic & Transportation Engineering/Vehicle Engineering （2017级载运工具运用工程，与丹麦科技大学风能国家重点实验室联合培养，国家公派博士奖学金获得者）.
2.2 Computer Vision in Robots（机器人机器视觉方向）, Candidate: M.Sc. Xiaonan Wang (段超，本科毕业于西南交通大学机械工程专业，硕士毕业于东北林业大学机械工程专业), Discipline: Traffic & Transportation Engineering/Vehicle Engineering （2017级载运工具运用工程，与德国CELISCA国家重点实验室联合培养，国家公派博士奖学金获得者）.
2.3 Big Data Forecasting & Controlling（大数据预测与控制）, Candidate: Mr. Zhu Duan (段铸，本科毕业于中南大学交通设备与控制工程专业，直博生), Discipline: Traffic & Transportation Engineering/Vehicle Engineering （2018级载运工具运用工程，大四毕业直接获国家研究生奖学金，获全国大学生数学建模一等奖、全国研究生数学建模一等奖）.
2.4 Intelligent Grid Load Identification（智能电网负荷识别）, Candidate: Mr. Haiping Wu (吴海平，本科毕业于中南大学交通设备与控制工程专业，硕博连读生), Discipline: Traffic & Transportation Engineering/Vehicle Engineering （2018级载运工具运用工程，获国家博士生奖学金、全国研究生数学建模一等奖、茅以升博士奖学金）.
2.5 AI in Mechanical Systems（机械系统人工智能）, Candidate: Mr. Guangxi Yan (鄢光曦，本科毕业于武汉理工大学机电工程，硕士毕业于德国卡尔斯鲁厄理工学院KIT机电工程), Discipline: Traffic & Transportation Engineering/Vehicle Engineering （2019级载运工具运用工程）.
2.6 Intelligent Grid Health Monitoring（智能电网健康监测）, Candidate: Mr. Chengmin Yu (于程名，本科毕业于中南大学交通设备与控制工程专业，硕博连读生), Discipline: Traffic & Transportation Engineering/Vehicle Engineering （2019级载运工具运用工程，获全国大学生数学建模一等奖）.
2.7 Big Data Forecasting & Controlling（大数据预测与控制）, Candidate: Mr. Chao Chen (陈超，本科毕业于中南大学交通设备与控制工程专业，硕博连读生), Discipline: Traffic & Transportation Engineering/Vehicle Engineering （2019级载运工具运用工程，大四毕业直接获国家研究生奖学金）.
4. 在读硕士研究生4名：
4.1 智能制造机器人协同控制 (Robot Cooperation based Controlling in Smart Manufacturing), Student Name: Mr. Jiahao Huang（黄家豪，本科毕业于中南大学交通设备与控制工程专业）, Discipline: Traffic & Transportation Engineering/Vehicle Engineering （2017级载运工具运用工程，与德国CELISCA国家重点实验室K. Thurow教授联合培养）.
4.2 机器人运载系统电量智能预测 (Smart Power Forecasting for Robot Transportation Systems), Student Name: Mr. Kairong Jin（金楷荣，本科毕业于中南大学交通设备与控制工程专业）, Discipline: Traffic & Transportation Engineering/Vehicle Engineering （2017级载运工具运用工程，与澳大利亚蒙纳士大学机械与航空工程系机器人实验室C. Chen教授联合培养）.
4.3 智能铁路全生命周期大数据建模与辨识 (Intelligent Cyle Life Big Data Modeling & Identification in Smart Railways), Student Name: Mr. Yuxiang Yang（杨宇翔，本科毕业于华南理工大学交通工程专业，与李燕飞老师联合培养）, Discipline: Traffic & Transportation Engineering/Vehicle Engineering （2017级载运工具运用工程）.
4.4 机器人控制 (Robot Controlling), Student Name: Mr. Xinyu Zhang（张馨雨，本科毕业于华东交通大学交通设备工程专业）, Discipline: Traffic & Transportation Engineering/Vehicle Engineering （2017级载运工具运用工程）.
讲授课程
Artificial Intelligence and Traffic Equipments (人工智能与交通装备，硕士研究生课程）
Intelligent Systems and Advanced Control（智能系统与先进控制，博士研究生课程）
Signal Processing in Engineering （工程信号处理，硕士/博士研究生课程）
Robotics（机器人学，博士研究生课程）
Sensor and Actuator (传感器与执行器，硕士研究生课程）
Process Automation（流程自动化，博士研究生课程）
Power Electronic Technology （电力电子技术，本科生课程）
Artificial Intelligence & Automatic Driving (中土国际留学生班，本科生课程）
学术成果
一、授权的部分代表性国家发明专利（第1发明人授权人工智能国家发明专利35项）
1. 智能机器人与装备方面：
1.1 移动机器人指令安全可行性的判断方法，授权专利号：201610231601.2.
1.2 基于人脸位置和灵敏度参数的移动机器人人机控制系统，授权专利号：201610230027.9.
1.3 一种基于多Kinect协同的移动机器人室内全视角识别装置及其控制系统和方法，授权专利号：201610654716.2.
1.4 一种机器人运输虚拟可视化控制方法及系统，授权专利号：201610743319.2
1.5 一种实现机器人车载导航装置实测坐标校正与预测的方法，授权专利号：201610825132.7
1.6 一种智能环境运载机器人识别楼层的参数化测量多模型智能融合方法，授权专利号：201710630336.X
1.7 一种运载机器人手臂操控自适应混合学习映射智能控制方法及系统，授权专利号：201710636798.2
1.8 一种运载机器人复杂混合路径协同自适应智能规划方法，授权专利号：201710640560.7
1.9 一种智能室外环境的车辆及机器人运载导航方法及系统，授权专利号：201710643095.2
1.10一种融合无人机牵引的智能车辆及机器人室外运载方法，授权专利号：201710643174.3
2. 智能铁路与大数据预测方面：
2.1 一种多模型多特征融合的高速铁路沿线风速预测方法，授权专利号：201611020632.X.
2.2 一种基于无人机群智能续航控制的铁路沿线风速测量方法与控制系统，授权专利号：201710298265.8
2.3 一种基于无人机群三维全视角的列车受电弓实时智能监测方法及系统，授权专利号：201710299446.2
2.4 一种铁路沿线异物侵限无人机智能辨识和预警方法及系统，授权专利号：201710300788.1
2.5 一种基于Kinect的轨道列车驾驶员状态的实时监测预警方法与系统，授权专利号：201710470384.7
出版学术专著
1. 学术专著《铁路沿线大风风速智能预测理论》，第1作者，人民交通出版社，35.8万字
2. 学术专著《时间序列混合智能辨识、建模与预测》，独著，科学出版社（入选交通与数据科学丛书），55万字
3. 英文学术专著《Non-intrusive Load Monitoring》，独著，Springer Nature出版社
4. 英文学术专著《Smart Cities: Big Data Prediction Methods and Applications》，独著，Springer Nature出版社
国际学术会议（特邀报告/大会报告）
1. （英国伦敦）Liu H.*; Stoll, N.; Junginger S.; Thurow, K.: Human-Mobile Robot Interaction in Laboratories Using Kinect Sensor and ELM based Face Feature Recognition, IEEE HSI-International Conference on Human System Interaction, London (UK), 6-8, July, 2016. (国际人机接口领域旗舰会议）
2. （美国明尼苏达）Liu H.*; Stoll, N.; Junginger S.; Thurow, K.: A Fast Method for Mobile Robot Transportation in Life Science Automation, IEEE I2MTC-International Instrumentation and Measurement Technology Conference, Minneapolis (USA), 6-9, May, 2013, pp. 238-242. (国际测量与仪器领域最权威会议）
3. （美国明尼苏达）Liu H.*; Stoll, N.; Junginger S.; Thurow, K.: An Application of Charging Management for Mobile Robot Transportation in Laboratory Environments, IEEE I2MTC-International Instrumentation and Measurement Technology Conference, Minneapolis (USA), 6-9, May, 2013, pp. 435-439. (国际测量与仪器领域最权威会议）
4. （奥地利格拉茨）Liu H.*; Stoll, N.; Junginger S.; Thurow, K.: A Common Wireless Remote Control System for Mobile Robots in Laboratory, Proceedings, IEEE I2MTC-International Instrumentation and Measurement Technology Conference, Graz (Austria), 13-16, May, 2012, pp. 688-693. (国际测量与仪器领域最权威会议）
5. （韩国首尔）Liu H.*; Stoll, N.; Junginger S.; Thurow, K.: A Floyd-Dijkstra Hybrid Application for Mobile Robot Path Planning in Life Science Automation, Proceedings, IEEE CASE-8th IEEE International Conference on Automation Science and Engineering, Seoul (Korea), 20-24, August, 2012, pp. 275-280. (国际自动化领域旗舰会议）
6. （意大利披萨）Ali M. M.; Liu H.*; Stoll, R.; Thurow, K.: Arm Grasping for Mobile Robot Transportation Using Kinect Sensor and Kinematic Analysis. IEEE I2MTC-International Instrumentation and Measurement Technology Conference, Italy (Pisa), 11-14, May, 2015, pp. 516-521. (国际测量与仪器领域最权威会议）
7. （意大利披萨）Abdulla A. A. A.; Liu H.*; Stoll, N.; Thurow, K.: Multi-floor Navigation Method for Mobile Robot Transportation Based on StarGazer Sensors in Life Science Automation. IEEE I2MTC-International Instrumentation and Measurement Technology Conference, Italy (Pisa), 11-14, May, 2015, pp. 428–433. (国际测量与仪器领域最权威会议）
8. （意大利披萨）Ghandour M.; Liu H.*; Stoll, N.; Thurow, K.: Improving the Navigation of Indoor Mobile Robots Using Kalman Filter. IEEE I2MTC-International Instrumentation and Measurement Technology Conference, Italy (Pisa), 11-14, May, 2015, pp. 1434-1439. (国际测量与仪器领域最权威会议）
9. （印度尼西亚巴厘）Liu, H.*; Stoll, N.; Junginger, S.; Thurow, K.: A New Approach to Battery Power Tracking and Predicting for Mobile Robot Transportation Using Wavelet Decomposition and ANFIS Networks. Proceedings, IEEE ROBIO-IEEE International Conference on Robotics and Biomimetics, Bali (Indonesia), 5-10, December, 2014, pp. 253-258. (国际机器人领域旗舰会议）
10. （印度尼西亚巴厘）Liu, H.*; Stoll, N.; Junginger, S.; Thurow, K.: Mobile Robotic Transportation in Laboratory Automation: Multi-robot Control, Robot-Door Integration and Robot-Human Interaction. Proceedings, IEEE ROBIO-IEEE International Conference on Robotics and Biomimetics, Bali (Indonesia), 5-10, December, 2014, pp. 1033-1038. (国际机器人领域旗舰会议）
11. （中国珠海）Liu, H.*; Stoll, N.; Junginger, S.; Thurow, K.: Human Face Orientation Recognition for Mobile Robot Transportation in Laboratory Automation using Hybrid Edge Detection and LVQ Neural Networks. Proceedings, IEEE ROBIO-IEEE International Conference on Robotics and Biomimetics, Zhuhai (China), 6-9, December, 2015, pp. 2003-2007. (国际机器人领域旗舰会议）
12. （中国珠海）Liu, H.*; Stoll, N.; Junginger, S.; Thurow, K.: New Localization Strategy for Mobile Robot Transportation in Life Science Automation Using StarGazer Sensor, Time Series Modeling and Kalman Filter Processing. Proceedings, IEEE ROBIO-IEEE International Conference on Robotics and Biomimetics, Zhuhai (China), 6-9, December, 2015, pp. 164-168. (国际机器人领域旗舰会议）
13. （中国深圳）Liu H.*; Stoll, N.; Junginger S.; Thurow, K.: A New Method for Mobile Robot Arm Blind Grasping Using Ultrasonic Sensors and Artificial Neural Networks, Proceedings, IEEE ROBIO-IEEE International Conference on Robotics and Biomimetics, Shenzhen (China), 11-14, December, 2013, pp. 1360-1364. (国际机器人领域旗舰会议）
14. （中国广州）Liu H.*; Stoll, N.; Junginger S.; Thurow, K.: A Floyd-Genetic Algorithm Based Path Planning System for Mobile Robots in Laboratory Automation, Proceedings, IEEE ROBIO-IEEE International Conference on Robotics and Biomimetics, Guangzhou (China), 11-14, December, 2012, pp. 1550-1555. (国际机器人领域旗舰会议）
学术奖励
一、个人获奖情况：
24. 国家万人计划青年拔尖人才，2020.11
23. 湖南省科技人才托举工程（中青年学者层次），2020.06
22. 湖南省芙蓉学者奖励计划青年学者，2020.04
21. 茅以升科研专项奖，2019.11
20. 中南大学2017-2019年度优秀共产党员，2019.07
19. IEEE第4届大数据分析国际会议，年度最佳论文，2019.04
18. 长沙第5届优秀青年科技人才，长沙市委、长沙市政府，2019.03
17. 国家科技进步一等奖-创新团队（主要完成人），国务院，2018.12
16. 强风铁路沿线风速智能预测理论与方法研究（刘辉，田红旗，梁习锋，潘迪夫，李燕飞，张雷），教育部自然科学奖二等奖，教育部，2017.12
15. 长沙市首届杰出创新青年人才计划，长沙市委、长沙市政府，2017.12
14. 德国优秀青年基金（430万欧元/主持），德国联邦教育与研究部，2015.03
13. 全国百篇优秀博士学位论文提名奖，国务院学位办、教育部，2014.04
12. 湖南省优秀博士学位论文奖，湖南省学位办、湖南省教育厅，2013.06
11. 中国工程院重大咨询课题“物联网在交通运输领域的应用”优秀个人奖，中国工程院，2010.12
10. 德国年度“实验室自动化领域”四个最优秀研究成果之一，德国著名技术评论期刊《Labor Journal》,（2015年第5期，P36-38页），2015.05
9. 德国梅克伦堡-前波莫瑞州官方日报Ostsee-Zeitung “科技领军人才专访”，德国梅前州,（2015年4月10日，第15版），2015.04
8. 中国宝钢教育奖，中国宝钢教育基金会，2010.09
7. 中国茅以升铁道教育奖，中国茅以升科技基金会，2007.09
6. 湖南省优秀硕士学位论文奖，湖南省学位办、湖南省教育厅，2010.06
5. 湖南省优秀毕业研究生，湖南省教育厅，2008.06
4. 湖南省三好学生（研究生），湖南省教育厅，2007.06
3. 湖南省优秀共产党员（研究生），湖南省委教育工委，2008.07
2. 中南大学首届毕业研究生学术奖一等奖，中南大学，2011.12
1. 中南大学首届“最喜爱的班导师”提名奖，中南大学，2009.12
二、所指导的研究生获奖情况（2016年12月回国后指导学生情况）：
23. 于程名、杨睿获2020年湖南省研究生创新选题计划资助
22. 于程名、陈超等课题组8名学生获得全国研究生数学建模竞赛二等奖
21. 直博生段铸获2019年中南大学大学生年度人物提名奖（学院至今唯一）
20. 直博生段铸获2019年中南大学优秀学生标兵（博士生）
19. 硕士生徐一楠入选美国数学评论员（学生）
18. 硕士研究生尹恒鑫获2019年校级奖励金
17. 硕士研究生施惠鹏获2019年国家硕士研究生奖学金
16. 直博生陈超获2019年国家硕士研究生奖学金
15. 直博生段铸获得2019年国家博士研究生奖学金
14. 博士生吴海平获得2019年国家博士研究生奖学金
13. 博士生段超获得2019年国家留学基金委联合培养博士奖学金，前往德国留学
12. 博士生王孝楠获得2019年国家留学基金委联合培养博士奖学金，前往丹麦留学
11. 博士生吴海平、段超和段铸荣获得2019年湖南省研究生创新选题计划资助。
10. 硕士生尹恒鑫和刘泽宇获得2019年中南大学研究生创新选题计划资助。
9. 博士生米希伟、硕士生金楷荣获得2018年中南大学研究生创新选题计划资助
8. 博士生吴海平获得2018年茅以升博士研究生奖学金
7. 博士生吴海平获得2018年全国研究生数学建模竞赛一等奖
6. 博士生吴海平获得2018年校优秀博士研究生
5. 直博生段铸获得2018年国家博士研究生奖学金
4. 直博生段铸获得2018年全国研究生数学建模竞赛一等奖
3. 直博生段铸获得2018年校优秀博士研究生
2. 博士生米希伟获得2018年校长拔尖奖学金
1. 博士生米希伟获得2018年国家博士研究生奖学金
近期论文
查看导师新发文章
（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）
48. Li Y.F., Shi H.P., Liu H.*: A Hybrid Model for River Water Level Forecasting: Cases of XiangJiang River and YuanJiang River, China. Journal of Hydrology, 2020: 124934. (影响因子: 4.405, JCR-Q1, 中科院Top期刊)
47. Chen C., Liu H.*: Medium-term wind power forecasting based on multi-resolution multi-learner ensemble and adaptive model selection. Energy Conversion and Management, 2020, 206: 112492. (影响因子: 7.181, JCR-Q1, 中科院Top期刊)
46. Xu Y.N., Liu H.*: Spatial ensemble prediction of hourly PM2.5 concentrations around Beijing railway station in China. Air Quality, Atmosphere & Health, 2020. (影响因子: 2.297, , JCR-Q2)
45. Liu H.*, Long Z.H., Duan Z., Shi H.P.: A new model using multiple feature clustering and neural networks for forecasting hourly PM2.5 concentrations and its applications in China. Engineering, 2020. (影响因子: 4.568, JCR-Q1, 中科院1区)
44. Liu H.*, Yu C.M., Yu C.Q., Wu H.P., Chen C.: A Novel Axle Temperature Forecasting Method Based on Decomposition, Reinforcement Learning Optimization and Neural Network. Advanced Engineering Informatics, 2020, 44: 101089. (影响因子: 3.772, JCR-Q1, 中科院1区)
43. Liu H.*, Duan Z., Chen C.: A hybrid multi-resolution multi-objective ensemble model and its application for forecasting of daily PM2.5 concentrations. Information Sciences, 2020, 516: 266-292. (影响因子: 5.524, JCR-Q1, 中科院1区)
42. Liu H.*, Duan Z.: A vanishing moment ensemble model for wind speed multi-step prediction with multi-objective base model selection. Applied Energy, 2020, 261: 114367. (影响因子: 8.426, JCR-Q1, 中科院Top期刊)
41. Liu H.*, Chen C.: Prediction of outdoor PM2.5 concentrations based on a three-stage hybrid neural network model. Atmospheric Pollution Research, 2020, 11(3): 469-481. (影响因子: 2.918, JCR-Q2)
40. Xu Y.N., Liu H.*, Long Z.H.: A distributed computing framework for wind speed big data forecasting on Apache Spark. Sustainable Energy Technologies and Assessments, 2020, 37: 100582. (影响因子: 3.456, JCR-Q2)
39. Liu H.*, Duan Z.: Corrected multi-resolution ensemble model for wind power forecasting with real-time decomposition and Bivariate Kernel density estimation. Energy Conversion and Management, 2020, 203: 112265. (影响因子: 7.181, JCR-Q1, 中科院Top期刊)
38. Liu H.*, Yu C.M., Wu H.P., Chen C., Wang Z.Q.: An improved non-intrusive load disaggregation algorithm and its application. Sustainable Cities and Society, 2020, 53: 101918. (影响因子: 4.624, JCR-Q1)
37. Liu H.*, Long Z.: An Improved Deep Learning Model for Predicting Stock Market Price Time Series. Digital Signal Processing, 2020. (影响因子: 2.792, JCR-Q2)
36. Xu Y.N., Liu H.*, Duan Z.: A novel hybrid model for multi-step daily AQI forecasting driven by air pollution big data. Air Quality, Atmosphere & Health, 2020, 13: 197-207. (影响因子: 2.297, JCR-Q2)
35. Liu H.*, Duan Z., Wu H.P., Li Y.F., Dong S.Y.: Wind Speed Forecasting Models based on Data Decomposition, Feature Selection and Group Method of Data Handling Network. Measurement, 2019, 148: 106971. (影响因子: 2.791, JCR-Q2, IMEKO会刊)
34. Liu H.*, Duan Z., Chen C., Wu H.P.: A Novel Two-stage Deep Learning Wind Speed Forecasting Method with Adaptive Multiple Error Corrections and Bivariate Dirichlet Process Mixture Model. Energy Conversion and Management, 2019, 199: 111975. (影响因子: 7.181, JCR-Q1, 中科院Top期刊)
33. Duan Z., Liu H.*: An evolution-dependent multi-objective ensemble model of vanishing moment with adversarial auto-encoder for short-term wind speed forecasting in Xinjiang wind farm, China. Energy Conversion and Management, 2019, 198: 111914. (影响因子: 7.181, JCR-Q1, 中科院Top期刊)
32. Liu H.*, Jin K.R., Duan Z.: Air PM2.5 concentration multi-step forecasting using a new hybrid modeling method: Comparing cases for four cities in China. Atmospheric Pollution Research, 2019, 10(5): 1588-1600. (影响因子: 2.918, JCR-Q2)
31. Liu H.*, Chen C.: Multi-objective data-ensemble wind speed forecasting model with stacked sparse autoencoder and adaptive decomposition-based error correction. Applied Energy, 2019, 254: 113686. (影响因子: 8.426, JCR-Q1, 中科院Top期刊)
30. Liu H.*, Chen C., Lv X.W., Wu X., Liu M.: Deterministic wind energy forecasting: A review of intelligent predictors and auxiliary methods. Energy Conversion and Management, 2019, 195: 328-345. (影响因子: 7.181, JCR-Q1, 中科院Top期刊)
29. Liu H.*, Mi X.W., Li Y.F., Duan Z., Xu Y.N.: Smart wind speed deep learning based multi-step forecasting model using singular spectrum analysis, convolutional Gated Recurrent Unit network and Support Vector Regression. Renewable Energy, 2019, 143: 842-854. (影响因子: 5.439, JCR-Q1, 中科院Top期刊)
28. Liu H.*, Chen C.: Data processing strategies in wind energy forecasting models and applications: A comprehensive review. Applied Energy, 2019, 249: 392-408. (影响因子: 8.426, JCR-Q1, 中科院Top期刊)
27. Liu H.*, Xu Y.N., Chen C.: Improved pollution forecasting hybrid algorithms based on the ensemble method. Applied Mathematical Modeling, 2019, 73: 473-486. (影响因子: 2.841, JCR-Q1, 中科院1区)
26. Liu H.*, Wu H.P., Yu C.M.: A hybrid model for appliance classification based on time series features. Energy and Buildings, 2019, 196: 112-123. (影响因子: 4.495, JCR-Q1, 中科院Top期刊)
25. Liu H.*, Duan Z., Chen C.: A hybrid framework for forecasting PM2.5 concentrations using multi-step deterministic and probabilistic strategy. Air Quality, Atmosphere & Health, 2019, 12(7): 785-795. (影响因子: 2.297, JCR-Q2)
24. Liu H.*, Wu H.P., Lv X.W., Ren Z.R., Liu M., Li Y.F., Shi H.P.: An intelligent hybrid model for air pollutant concentrations forecasting: Case of Beijing in China. Sustainable Cities and Society, 2019, 47: 101471. (影响因子: 4.624, JCR-Q1)
23. Li Y.F., Shi H.P., Han F.Z., Duan Z., Liu H.*: Smart wind speed forecasting approach using various boosting algorithms, big multi-step forecasting strategy. Renewable Energy, 2019, 135: 540-553. (影响因子: 5.439, JCR-Q1, 中科院1区)
22. Mi X.W., Liu H.*, Li Y.F.: Wind speed prediction model using singular spectrum analysis, empirical mode decomposition and convolutional support vector machine. Energy Conversion and Management, 2019, 180: 196-205. (影响因子: 7.181, JCR-Q1, 中科院Top期刊)
21. Liu H.*, Duan Z., Li Y.F., Lu H.B.: A novel ensemble model of different mother wavelets for wind speed multi-step forecasting. Applied Energy, 2018, 228: 1783-1800. (影响因子: 8.426, JCR-Q1, 中科院Top期刊)
20. Liu H., Mi X.W., Li Y.F.*: An experimental investigation of three new hybrid wind speed forecasting models using multi-decomposing strategy and ELM algorithm. Renewable Energy, 2018, 123: 694-705. (影响因子: 5.439, JCR-Q1, 中科院Top期刊)
19. Li Y.F., Wu H.P., Liu H.*: Multi-step wind speed forecasting using EWT decomposition, LSTM principal computing, RELM subordinate computing and IEWT reconstruction. Energy Conversion and Management, 2018, 67: 203-219. (影响因子: 7.181, JCR-Q1, 中科院Top期刊)
18. Liu H.*, Mi X.W., Li Y.F.: Smart deep learning based wind speed prediction model using wavelet packet decomposition, convolutional neural network and convolutional long short term memory network. Energy Conversion and Management, 2018, 166: 120-131. (影响因子: 7.181, JCR-Q1, 中科院Top期刊)
17. Liu H.*, Wu H.P., Li Y.F.: Smart wind speed forecasting using EWT decomposition, GWO evolutionary optimization, RELM learning and IEWT reconstruction. Energy Conversion and Management, 2018, 161: 266-283. (影响因子: 7.181, JCR-Q1, 中科院Top期刊)
16. Liu H.*, Mi X.W., Li Y.F.: Smart multi-step deep learning model for wind speed forecasting based on variational mode decomposition, singular spectrum analysis, LSTM network and ELM. Energy Conversion and Management, 2018, 159: 54-64. (影响因子: 7.181, JCR-Q1, 中科院Top期刊)
15. Liu H.*, Mi X.W., Li Y.F.: Wind speed forecasting method based on deep learning strategy using empirical wavelet transform, long short term memory neural network and Elman neural network. Energy Conversion and Management, 2018, 156: 498-514. (影响因子: 7.181, JCR-Q1, 中科院Top期刊)
14. Liu H., Duan Z., Han F.Z., Li Y.F.*: Big multi-step wind speed forecasting model based on secondary decomposition, ensemble method and error correction algorithm. Energy Conversion and Management, 2018, 156: 525-541. (影响因子: 7.181, JCR-Q1, 中科院Top期刊)
13. Liu H., Mi X.W., Li Y.F.*: Comparison of two new intelligent wind speed forecasting approaches based on Wavelet Packet Decomposition, Complete Ensemble Empirical Mode Decomposition with Adaptive Noise and Artificial Neural Networks. Energy Conversion and Management, 2018, 155: 188-200. (影响因子: 7.181, JCR-Q1, 中科院Top期刊)
12. Mi X.W., Liu H.*, Li Y.F.: Wind speed forecasting method using wavelet, extreme learning machine and outlier correction algorithm. Energy Conversion and Management, 2017, 151: 709-722. (影响因子: 7.181, JCR-Q1, 中科院Top期刊)
11. Liu H.*, Tian H.Q., Liang X.F., Li Y.F.: Wind speed forecasting approach using secondary decomposition algorithm and Elman neural networks. Applied Energy, 2015, 157: 183-194. (影响因子: 8.426, JCR-Q1, 中科院Top期刊)
10. Liu H.*, Tian H.Q., Liang X.F., Li Y.F.: New wind speed forecasting approaches using fast ensemble empirical model decomposition, genetic algorithm, Mind Evolutionary Algorithm and Artificial Neural Networks. Renewable Energy, 2015, 83: 1066-1075. (影响因子: 5.439, JCR-Q1, 中科院Top期刊)
9. Liu H.*, Tian H.Q., Li Y.F.: Four wind speed multi-step forecasting models using extreme learning machines and signal decomposing algorithms. Energy Conversion and Management, 2015, 100: 16-22. (影响因子: 7.181, JCR-Q1, 中科院Top期刊)
8. Liu H.*, Tian H.Q., Li Y.F.: An EMD-recursive ARIMA method to predict wind speed for railway strong wind warning system. Journal of Wind Engineering and Industrial Aerodynamics, 2015, 141: 27-38. (影响因子: 3.01, JCR-Q1)
7. Liu H.*, Tian H.Q., Li Y.F., Zhang L.: Comparison of four Adaboost algorithm based artificial neural networks in wind speed predictions. Energy Conversion and Management, 2015, 92: 67-81. (影响因子: 7.181, JCR-Q1, 中科院Top期刊)
6. Liu H.*, Tian H.Q., Li Y.F.: Comparison of new hybrid FEEMD-MLP, FEEMD-ANFIS, Wavelet Packet-MLP and Wavelet Packet-ANFIS for wind speed predictions. Energy Conversion and Management, 2015, 89: 1-11. (影响因子: 7.181, JCR-Q1, 中科院Top期刊)
5. Liu H.*, Tian H.Q., Chen C., Li Y.F.: An experimental investigation of two Wavelet-MLP hybrid frameworks for wind speed prediction using GA and PSO optimization. International Journal of Electrical Power and Energy Systems, 2013, 52: 161-173. (影响因子: 4.418, JCR-Q1)
4. Liu H.*, Tian H.Q., Pan Difu, Li Y.F.: Forecasting models for wind speed using wavelet, wavelet packet, time series and Artificial Neural Networks. Applied Energy, 2013, 107: 191-208. (影响因子: 8.426, JCR-Q1, 中科院Top期刊)
3. Liu H.*, Chen C., Tian H.Q., Li Y.F.: A hybrid model for wind speed prediction using empirical mode decomposition and artificial neural networks. Renewable Energy, 2012, 48: 545-556. (影响因子: 5.439, JCR-Q1, 中科院Top期刊)
2. Liu H.*, Tian H.Q., Li Y.F.: Comparison of two new ARIMA-ANN and ARIMA-Kalman hybrid methods for wind speed prediction. Applied Energy, 2012, 98: 415-424. (影响因子: 8.426, , JCR-Q1, 中科院Top期刊)
1. Liu H.*, Tian H.Q., Chen C., Li Y.F.: A hybrid statistical method to predict wind speed and wind power. Renewable Energy, 2010, 35(8): 1857-1861. (影响因子: 5.439, , JCR-Q1, 中科院Top期刊)
京公网安备 11010802027423号