深圳大学主页平台管理系统范成--中文主页--科研工作

范成

个人信息

Personal information

学位：博士
职称：副教授
职务：建设管理与房地产系主任、中澳BIM与智慧建造联合研究中心副主任
学术荣誉：深圳市海外高层次人才孔雀计划C类
深圳大学荔园优青

科研工作

中文主页 - 科研工作

研究方向及兴趣

智慧建筑运维、数据科学、机器学习、故障诊断、优化控制

纵向项目

[1] 国家自然科学基金面上项目,(52278117),不完备数据下融合多范式机器学习的中央空调系统智能故障诊断方法,在研.主持
[2] 国家自然科学基金青年项目,(51908365),大数据驱动的中央空调系统多维度运行规律识别及能效诊断方法研究,在研.主持
[3] 广东省哲学社会科学规划共建项目,(GD22XGL20),不完备决策环境下的公共建筑智慧能效管理策略,在研.主持
[4] 深圳市基础研究面上项目,(JCYJ20220531101800001),面向公共建筑群体智能衍生的数据共享及通用性能效诊断方法,在研.主持
[5] 广东省自然科学基金博士启动项目,(2018A030310543),基于数据挖掘技术的建筑运行大数据分析方法及其在建筑能源管理中的应用研究,结题.主持
[6] 广东省哲学社会科学规划青年项目,(GD18YGL07),大数据驱动的公共建筑智能化能源管理理论及优化方法研究,结题.主持

期刊论文

[1] Statistical investigations of transfer learning-based methodology for short-term building energy predictions.,Applied Energy,2020-03-01.
[2] A graph mining-based methodology for discovering and visualizing high-level knowledge for building energy management,Applied Energy,2019-10-01.
[3] A short-term building cooling load prediction method using deep learning algorithms,APPLIED ENERGY,.
[4] Discovering gradual patterns in building operations for improving building energy efficiency,APPLIED ENERGY,.
[5] Analytical investigation of autoencoder-based methods for unsupervised anomaly detection in building energy data,APPLIED ENERGY,.
[6] Deep learning-based feature engineering methods for improved building energy prediction,APPLIED ENERGY,2019-04-01.
[7] Assessment of deep recurrent neural network-based strategies for short-term building energy predictions,APPLIED ENERGY,2019-02-01.
[8] A novel methodology to explain and evaluate data-driven building energy performance models based on interpretable machine learning,APPLIED ENERGY,2019-02-01.
[9] Unsupervised data analytics in mining big building operational data for energy efficiency enhancement: A review,ENERGY AND BUILDINGS,2019-01-01.
[10] 基于可解读机器学习的建筑冷负荷预测模型评估方法,建筑节能,2019-09-01.

软件著作权登记

[1] TSMining: A package for time series data mining，Cheng Fan，The Comprehensive R Archive network
[2] HighDimOut: A package for outlier detection in high-dimensional data，Cheng Fan，The Comprehensive R Archive Network