人工智能驱动的水质预测
面向不同监测条件，开展关键水质变量的可迁移、可解释与长期预测。
研究兴趣
水环境智能的三项研究支柱。
连接预测智能、环境过程理解与实验室之外可稳定运行的工程系统。
流域尺度水环境建模
理解复杂流域、海洋牧场与监测网络中的水文过程和水质动态。
面向水系统的嵌入式智能
通过可部署感知、GNSS、传感器融合与无人机平台连接环境模型和现场运行。
方法与工具
跨越模型、环境与硬件。
编程与算法能力
- 深度学习模型设计与实现
- 多变量时间序列预测
- Transformer 模型设计
- 图神经网络 / 图卷积网络建模
- 多尺度信号分解与特征提取
- 机器学习建模与模型评估
- 智能优化与主动学习
- 水文水质数据清洗、分析与预测
- 模型迁移与泛化能力评估
水文水质与智慧渔业能力
- 流域水文水质多变量预测
- 水质关键因子预测
- 溶解氧长期预测
- 海洋牧场环境数据建模
- 智慧渔业智能服务模型构建
- 多源异构海洋数据融合
- 水质监测网络布局优化
- 跨流域水质预测框架设计
嵌入式与硬件能力
- STM32 / MSP432 / MSP430 开发
- 北斗 GNSS 嵌入式开发
- SDK 开发
- PCB 与电路设计
- 四旋翼无人机飞控系统
- 姿态解算与传感器融合
- MPU6050、SPL06-001、OpenMV 等模块应用
- 卡尔曼滤波、四元数解算、增量型串级 PID 控制
- 图传与数传系统设计
计算机视觉与多模态感知
- 水下图像分割
- Vision Transformer
- 卷积神经网络
- 图像型与数值型数据融合
- 海洋牧场复杂场景感知
- 智能决策辅助系统构建