胡振中

于清华大学土木工程系先后获得工学学士和工学博士学位。

现任清华大学深圳国际研究生院海洋工程研究院副院长,教研系列副教授。

兼任中国图学学会理事、BIM专委会副主任、Automation in Construction编委等职务。

主要研究方向为土木与海洋工程信息技术、海洋数字防灾、建筑与城市信息模型(BIM/CIM)。

教授工程硕士数学、土木与建筑工程CAE等4门课程。

  • 置顶-1

    课题组将招收博士、硕士和博士后,长期有效。

    关于博士硕士招生有以下三点要求:1)应具有工程学科背景,并对信息技术有浓厚兴趣,即将或已取得相关的学士或硕士学位;2)应具有较强的技术背景,包括但不限于BIM/GIS、物联网、数字孪生、人工智能等方面的研究经验,优先考虑在算法、大型软件系统或Web/App 开发方面有研究或实践经验的申请者;3)应具有较高的自我激励能力,良好的英语书面和口语沟通能力,以及独立工作能力。

    关于博士后招聘还应满足以下两点:1)年龄35岁以下,获得博士学位3年以内;2)研究方向为土木工程信息技术、海洋环境信息建模及应用、数据驱动知识发现及应用等相关方向。(注:博士后申请者经过初步筛选后需进行面试,并作半小时学术报告,包括博士期间的主要研究工作内容及未来博后工作设想。)

    有意向者请将个人简历、成绩单及工作设想等材料发送至邮箱:hu.zhenzhong@sz.tsinghua.edu.cn。详情可查看课题组博士硕士招生课题组博士后招聘

  • 置顶-2

    2021年11月26日,Discharge of treated Fukushima nuclear accident contaminated water: macroscopic and microscopic simulations已发表在National Science Review上,这是对课题组同学和老师们厚德载物、严谨致学的充分肯定!NSR官微推送优质高效,体现了我国卓越领军期刊的超一流水平!感谢张建民院士的指导与支持,感谢编辑部和评阅人给予的高度评价!

    这项研究成果对于污染物长期扩散的预测、核污染水排放计划的合理应对以及后续放射性物质浓度的监测具有显著意义。未来,我们将继续深化研究,进一步探讨判断排放核污染水这一行为对于整个海洋和人类长远的影响,为国家乃至全球应对核污染水危机提供重要的决策支撑!

    注:National Science Review,2021年的影响因子为17.275,属于顶刊,卓越计划领军期刊。详情请见介绍视频

  • 2025-01-17

    “一种基于深度学习的动态电缆动力响应监测方法、计算机可读存储介质及程序产品”已获得发明专利证书(专利号:ZL202411609188.X)。

    本发明公开了一种基于深度学习的动态电缆动力响应监测方法,通过监测系统收集浮式平台的六自由度运动时程数据和浮筒段的三自由度运动时程数据,并结合沿电缆长度的各个监测节点的动力响应数据,形成针对不同疲劳热点的训练数据集。接着,构建一个包含多个并行回归模块的多任务集成模型,每个模块专注于预测特定监测节点的张力或弯矩。通过使用针对不同疲劳热点的训练数据集分别训练每个回归模块,并将它们集成,形成完整的多任务集成模型。最后,实时收集的运动时程数据被输入到该模型中,以预测各监测节点的张力和弯矩,实现动态电缆的动力响应监测。本发明在实现动态电缆运维阶段动力响应的健康监测的同时,降低监测成本,提高浮式风电场的经济效益。

    注:本专利发明人还包括李彬彬副教授和硕士生刘津。

  • 2025-01-15

    近日,中国知网公布了2024年度知网高被引学者名单,本人入选“2024中国知网高被引学者TOP1%”。

    “2024中国知网高被引学者TOP1%”是中国知网中国科学文献计量评价研究中心依据中国知网收录的国内学术论文及会议论文数据,于2024年首次开展了对学者学术影响力的量化评估,遴选了“2024中国知网高被引学者”名单,促进优秀学术成果的国内首发。此次遴选活动旨在客观、科学衡量并表彰近十年来国内科研成果丰富、学术影响力杰出的学者群体。

  • 2025-01-02

    论文Geometrized Task Scheduling and Adaptive Resource Allocation for Large-Scale Edge Computing in Smart Cities已发表在IEEE Internet of Things Journal期刊上。

    边缘计算在发展智慧城市中至关重要,它提供现场计算资源来支持不断增长的物联网需求。然而,边缘节点的分布式特性以及在广阔城市空间中分布的大规模任务,给任务调度和资源分配带来了挑战。本文开发了一种新的框架,以实现有线和无线智慧城市应用中大规模边缘计算的高效任务调度(分配和卸载)和资源分配。为克服现有基于优化的启发式算法中的过度参数化问题,通过将聚类任务的分配转化为二维图中的区域划分问题,并应用类似俄罗斯方块的任务卸载策略来实现边缘与云的协作,从而解决了几何化的任务调度问题。这些方法避免了组合爆炸和 NP 难题,并通过具有多项式计算复杂度的乘法加权 Voronoi 图解决了区域划分问题。此外,还提出了一种自适应资源分配算法,以应对动态、不确定和高度并发的任务请求。采用了一种在线学习算法,根据不断变化的情况来调整滑动窗口的长度。比较结果表明,所提出的框架显著降低了平均任务截止期限违反率,比使用其他方案的方案降低了 4.72%(提高了 20 倍以上),尤其是在处理大规模工作负载时。

    注:IEEE Internet of Things Journal,属于JCR一区和中科院一区TOP期刊,影响因子为8.2。论文第一作者为2022级硕士生陈洋。研究成果得到国家重点研发计划项目的资助。