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教研系列副教授。

兼任中国海洋发展研究会理事、中国图学学会BIM专委会副主任、Automation in Construction编委等。

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。

  • 2026-01-15

    Rule-based information extraction for mechanical-electrical-plumbing-specific semantic web 在谷歌学术上他引次数达到100次。

    针对建筑机电(MEP)领域专业性强、标注数据稀缺,导致传统深度学习信息抽取方法难以有效应用的问题,本文提出了一种基于规则的MEP信息抽取方法。该方法通过“滚雪球”策略构建大规模语料库,利用后缀匹配与依存路径匹配算法分别实现高效的实体识别与关系抽取。同时,引入“元链接”和“路径过滤”机制以挖掘复杂模式外的信息。实验结果表明,所构建的MEP语义网络在实体与关系抽取准确率方面均取得较好效果,且在抽取精度上显著优于多种经典深度学习模型。

    注:Automation in Construction,是土木工程信息技术领域最有影响力的期刊,属于Q1区SCI期刊,2025年影响因子为11.5。论文第一作者为清华大学土木工程系硕士生吴浪韬,本人为通讯作者。

  • 2025-12-31

    祝贺李彦月顺利通过清华大学工程管理硕士专业学位论文答辩!

    李彦月的论文题目为《基于 PDCA-CCPM 的既有公共建筑改造项目进度管理研究》,该研究针对既有公共建筑改造项目进度管理难题,创新融合关键链技术(CCPM)与PDCA循环,构建了PDCA-CCPM进度管理机制。通过多种方法识别关键影响因素,设计了“项目层-组织层”双层架构。经实证验证,该机制有效解决了进度问题,实现了工期提前及质量安全同步提升。该研究不仅提供了新的理论融合范式,为改造项目提供了系统化解决方案,还旨在通过项目积累驱动组织管理成熟度提升,兼具理论创新价值与实践指导意义。

  • 2025-12-12

    近日,中国知网公布了2025年度知网高被引学者名单,本人连续两年入选“中国知网高被引学者TOP1%”。

    此次入选,主要基于其近十年来发表的多篇高影响力学术论文。代表性成果包括《面向公路工程规范的多粒度知识提取与知识应用方法》、《基于BIM的工程管理信息技术研究展望》、《Discharge of treated Fukushima nuclear accident contaminated water: macroscopic and microscopic simulations》、《基于BIM和数据驱动的智能运维管理方法》、《面向结构有限元分析的模型转换方法研究》、《基于键-值缓存的IFC模型Web应用技术》、《基于BIM的管道预制构件设计技术与系统研发》、《基于BIM的运维管理研究与应用综述》等系列论文。

  • 2025-11-24

    近日,本人参与编著的《“原子、元素和我们”科学启蒙双绘本》荣获第三十六届北方十省市(区)优秀科技图书一等奖

    这套由北京科学技术出版社出版的启蒙绘本,专为3-8岁儿童精心打造,包含《原子大变身:核能的威力》与《元素在哪里:来自星星的我》两册。在装帧设计上,采用硬壳精装、大幅插画和哑光铜版纸,既确保了阅读的舒适性与耐用性,也通过富有视觉冲击力的画面激发儿童的探索兴趣。在内容设计上,本书创新采用“微观-宏观”双视角叙事结构,将抽象的科学概念转化为儿童可理解的具象表达。

    本书的获奖,是对科普创作与科学传播工作的重要肯定。我们期待通过这种寓教于乐的方式,在儿童心中播下科学探索的种子,为他们未来的跨学科学习和科学素养提升奠定基础。

    购书请识别左侧小程序

  • 2025-11-17

    2025年11月基本科学指标数据库(Essential Science Indicators,简称ESI)更新显示,在国际著名期刊IEEE Internet of Things Journal(中科院1区,IF=8.9)上发表的论文Geometrized task scheduling and adaptive resource allocation for large-scale edge computing in smart cities入选ESI高被引论文

    该研究针对智慧城市中大规模边缘计算面临的任务调度与资源分配挑战,开发了一种新的框架。通过将聚类任务分配转化为二维图中的区域划分问题,并采用类似俄罗斯方块的任务卸载策略实现边云协同,有效规避了组合爆炸和NP难问题。区域划分问题通过乘法加权Voronoi图求解,具有多项式计算复杂度。同时,提出自适应资源分配算法,以应对任务请求的动态性、不确定性及高并发性,并结合在线学习算法动态调整滑动窗口长度。对比结果表明,该框架显著降低了平均任务截止时间违规率,在处理大规模工作负载时,该指标仅为4.72%,性能优于其他方案超过20倍。

    注:ESI高被引论文,即近十年内发表且在同学科领域中被引次数排名全球前1%的学术论文,可为学科前沿研究提供参考,并可用于科研评价体系。