个人信息Personal Information
教授
博士生导师
硕士生导师
性别:男
出生日期:1989-02-26
毕业院校:华中科技大学
学位:博士
所在单位:水利工程系
学科:水文学及水资源. 人工智能
办公地点:辽宁省大连市甘井子区凌工路2号综合实验4号楼411实验室
联系方式:0411-84707054
电子邮箱:yelei@dlut.edu.cn
个人简介Personal Profile
课题组长期聚焦水文水资源学科前沿,针对学科面临的挑战与重大工程实际问题,结合卫星遥感、水文学、深度学习、地理信息等多领域多学科的最新理论与先进方法,立体构建课题组的研究框架。课题组与中国水科院、松辽水利委员会、长江电力等行业内重要单位长期合作,从根源上做到“以工促学”、“产学合一”,通过重大工程实际的工程问题激发组内成员的科研潜力、提供科研创意、开拓专业视野。欢迎对水旱灾害风险分析与预报预警方向感兴趣的同学们报考研究生。
一、个人简介
叶磊,教授、博士生导师、国家优秀青年科学基金获得者、大连市高层次人才、大连市城市发展紧缺人才,中国水利学会水利水电风险管理专委会委员,中国水力发电工程学会梯级调度控制专委会委员,辽宁省水利学会防汛抗旱专委会副主任,SCI期刊《Water》Topic 编委、中国核心期刊《南水北调与水利科技》青年编委、《中国防汛抗旱》青年委员、《人民珠江》特约编委。曾赴美国访问、从事国际合作研究工作,受松辽流域管理机构邀请多次对防汛、水文业务人员进行培训与讲座。在国内外重要学术刊物发表学术论文60篇,其中被SCI收录40余篇,ESI高被引论文1篇,授权发明专利3项(均排名第一),出版专著2部,发明7项技术获水利部认定为“先进实用技术”。主持国家自然科学基金项目4项、中央高校基本科研业务费1项、重点实验室开放基金(重点项目)1项以及多项工程应用项目,作为技术骨干参与了国家自然科学基金重点项目、国家中央本级项目、以及多项重大工程应用项目。曾指导学生参加第五、第六届互联网+创新创业大赛项目,获辽宁省金奖,国家铜奖。
二、课题组主要研究方向
课题组围绕水文模拟、深度学习、水文统计、遥感数据利用等研究方向,在多学科交叉的背景下,开展系统性的理论与方法研究。同时,为实现课题组内数据共享、科研协作的研发模式,课题组搭建了水利数据模型平台,提供符合大规模数据处理分析与复杂计算需求的模型算法基础工具和集成数据访问接口,通过模型平台已积累的专业工具及相关程序,方便研究生快速掌握基础代码、专业软件,全方位立体地支撑科研与项目。组内具体研究方向如下:
1. 多尺度流域洪水精细化预报
受空间变异特性、地理气候特征差异等因素影响,不同尺度流域一直在面临着洪水预报精度低、不确定性大的难题。课题组针对大尺度流域构建了耦合数值气象模式、分布式水文模型、水动力模型的大流域实时洪水预报体系,并应用于三峡库区与松辽流域,在中小尺度流域上提出了一种适用的多信息动态洪水预警方法,研发了小流域实时动态预警平台并应用于辽宁省数个市县中,突破了多尺度流域洪水预报瓶颈问题。
2. 深度学习技术与水文领域深度融合
随着计算机技术的发展,深度学习技术在水文领域中得到广泛应用,但水循环涉及多变量、多过程,是复杂的开放系统,深度学习无法给出有效的物理过程解释,限制了深度学习在水文领域中的应用。课题组提出了充分考虑物理机制的深度神经网络模型构建体系,提高了洪水预报中处理与利用动态降雨时空分布和下垫面异构特征的能力,同时引入解释技术分析洪水预报误差,建立气象、水文、下垫面影响要素时空特征和预报误差等级的分类神经网络模型,进一步增强对流域洪水预报误差的认识和洪水规律的理解。
3.暴雨洪涝灾害风险评估
受到全球气候变化的影响,区域水汽循环特征已发生明显变化,水文一致性受到很大挑战。课题组基于水文统计分析理论框架,引入适合于水文气象变量的统计方法,并基于大样本数据系统性地分析了单点尺度和流域尺度日降水的概率分布,探究各概率分布线型的适用性,充分考虑气候变化对暴雨事件的影响,基于极值理论框架全面评估了中国范围的极端暴雨灾害,构建出了大尺度范围的极端暴雨洪涝风险评估体系框架,确定了不同重现期下的设计暴雨量级。
4. 遥感观测数据产品校正与应用
我国仍存在较多的小流域地处偏远,缺少可靠的雨洪观测资料,难以应用常规的方法进行洪水预报预警。遥感监测信息为缺资料地区洪水预报预警提供了一条新的途径,但遥感信息存在较大不确定性。课题组从遥感产品精度评价、遥感产品误差校正、缺资料地区洪水预报三方面入手,提出了基于遥感数据的缺资料中小流域洪水预报预警方法体系,解决了遥感应用研究中普遍面临的观测-模拟不确定性问题,为缺资料小流域洪水预报预警提供了全新的数据源以及与之匹配的研究方法体系。
三、课题组培养体系
课题组采用导师指导+师兄/师姐引导+同门互研互助的培养方法,充分建立学生间的科研互助意识,提高团队协作能力,并有效地实现多研究方向相互交融、互相促进的培养目标。同时,组内倡导使用水利数据模型平台、One Drive、Notion、语雀等协作互助的科研工具,尽可能提供高效的科研方式与先进的科研技术,以更快更好地协同解决科研难题。
课题组部分公开共享资料链接如下:
Github:https://github.com/iHeadWater
BiliBili:https://space.bilibili.com/1882241711