近日，我校建工学院李骅锦副教授在国际地学权威学术期刊发表的五篇研究成果入选ESI高被引论文（数据来源于2023年3月ESI数据库）。5篇论文的题目分别为：《Detection and segmentation of loess landslides via satellite images: a two-phase framework》（《黄土滑坡的卫星影像的识别与分割:两阶段框架》）《SCADA Data Based Wind Power Interval Prediction Using LUBE-Based Deep Residual Networks》（《基于LUBE深度残差网络的SCADA架构的风电功率区间预测》）《Monitoring and Identifying Wind Turbine Generator Bearing Faults Using Deep Belief Network and EWMA Control Charts》（《基于深度置信网络和EWMA控制图的风力发电机组轴承故障监测与识别》）《Short-Term Wind Power Prediction via Spatial Temporal Analysis and Deep Residual Networks》（《基于时空建模和深度残差网络的短期风电预测》）和《Short-Term Nacelle Orientation Forecasting Using Bilinear Transformation and ICEEMDAN Framework》（《基于双线性变换和ICEEMDAN框架的短时风向预测》）。

这些研究成果分别围绕岩土工程灾害减灾防灾和绿色建筑工程的热点领域开展。其中，部分研究成果围绕智能化滑坡识别和危险性预测进行了研究，分析了滑坡影像数据的“纹理特征”，基于人工智能算法和图形几何学理论，构建了具备黄土滑坡准确识别能力和地貌参数智能提取功能的模型；关于绿色建筑工程领域，研究基于深度学习和统计学习方法，针对风向、风功，风效等问题，开展了监测预警和预测预报研究。

据悉，高被引论文指同一年同一个ESI学科发表论文的被引次数按照由高到低进行排序，排在前1%的论文。ESI已成为当今世界范围内普遍用以评价高校、学术机构、国家/地区国际学术水平及影响力的重要评价指标工具之一。

原文链接：

https://doi.org/10.1007/s10346-021-01789-0 

https://doi.org/10.3389/fenrg.2022.920837

https://doi.org/10.3389/fenrg.2021.799039

https://doi.org/10.3389/fenrg.2021.780928

       https://doi.org/10.3389/fenrg.2022.920407