个人简介 基本情况姓名：
米希伟

职务：


职称：
副教授

学历：


学位：
博士

通信地址：
北京市海淀区上园村3号北京交通大学交通运输学院

邮编：
100044

办公电话：


电子邮箱：
mixiwei@bjtu.edu.cn


教育背景 2016.09—2019.06中南大学 交通运输工程 博士
2018.10—2019.01莫纳什大学 机械与航空航天工程系 联合培养
2013.09—2016.06 中南大学 交通运输工程 硕士
2009.09—2013.06 中南大学 交通设备信息工程 本科


工作经历

研究方向

招生专业

科研项目 国家铁路局: 铁路装卸安全技术标准研究, 2019-2020
基本科研业务费人才基金: 基于混合智能学习的铁路风速预测方法研究, 2019-2022


教学工作

论文/期刊 Wind SpeedForecasting Method Using Wavelet, Extreme Learning Machine and OutlierCorrection Algorithm [J]. Energy Conversion andManagement, 2017, 151: 709-722. (SCI JCR一区, 中科院一区，IF: 7.181)
Comparison ofthree new intelligent wind speed forecasting approaches based on Wavelet PacketDecomposition, Complete Ensemble Empirical Mode Decomposition with AdaptiveNoise and Artificial Neural Networks[J]. Energy Conversion and Management,2018, 155: 188-200. (SCI JCR一区, 中科院一区，IF:7.181，1%高被引论文)
Wind speed forecasting method based on deep learning strategy usingempirical wavelet transform, long short term memory neural network and Elmanneural network[J]. EnergyConversion and Management, 2018, 156: 498-514. (SCI JCR一区, 中科院一区，IF:7.181，1%高被引论文)
Smart multi-step deep learning model for wind speedforecasting based on variational mode decomposition, singular spectrumanalysis, LSTM network and ELM[J]. Energy Conversion and Management, 2018,159: 54-64. (SCI JCR一区, 中科院一区，IF:7.181，1%高被引论文)
An experimental investigation of three new hybrid windspeed forecasting models using multi-decomposing strategy and ELM algorithm[J].Renewable Energy, 2018, 123: 694-705. (SCI JCR一区, 中科院二区，IF: 5.439，1%高被引论文)
Smart deep learning based wind speed prediction model using wavelet packetdecomposition, convolutional neural network and convolutional long short termmemory network[J]. Energy Conversion and Management, 2018, 166: 120-131. (SCIJCR一区, 中科院一区，IF:7.181)
Wind speed prediction model using singular spectrum analysis, empiricalmode decomposition and convolutional support vector machine[J]. EnergyConversion and Management, 2019, 180: 196-205. (SCI JCR一区, 中科院一区，IF: 7.181)
Smart wind speeddeep learning based multi-step forecasting model using singular spectrumanalysis, convolutional Gated Recurrent Unit network and Support VectorRegression[J]. Renewable Energy, 2019, 143: 842–854. (SCIJCR一区, 中科院二区，IF: 5.439)
大风条件下动车组滚摆特性研究[J]. 铁道科学与工程学报, 2016, 13(5): 806-811.
城轨系统全生命周期成本关键要素辨识与分析方法研究[J]. 中国基础科学, 2018, 20(126): 31-35.
基于LS-SVM和专家评价模型的轨道交通全生命周期宏观成本关键要素计算辨识方法[J]. 铁路计算机应用, 2019, 28(01):15-19+25.


专著/译著

专利 一种强风高速铁路沿线风速空间网络构造预测方法[P].中国专利：ZL5.8, 2017-07-28.（已授权）
一种融合多测风站实测数据的铁路沿线风速预测方法[P].中国专利：ZL4.5, 2017-08-18.（已授权）

一种强风高速铁路沿线风速自适应分解预测方法[P].中国专利：ZL2.5, 2018-01-09.（已授权）
一种基于气象传感时序模式的运载机器人智能识别楼层的方法[P]. 中国专利：ZL6.9, 2018-03-27.（已授权）
一种运载机器人识别楼层的气象参数智能融合处理方法[P].中国专利：ZL8.0, 2018-03-27. （已授权）
一种智能环境运载机器人识别楼层的参数化测量多模型智能融合方法[P].中国专利：ZL6.X, 2018-04-13.（已授权）



软件著作权

获奖与荣誉

社会兼职 期刊审稿：Applied Energy、Energy Conversion and Management、Energy、Renewable Energy