姓名：滕梦凡
性别：男
学位/职称：博士/讲师
出生年月：1992.08.10
学科专业：遥感科学与技术
电话/微信：18468237156
E-Mail：tengmengfan@whu.edu.cn
滕梦凡，工学博士，讲师，2024年6月在武汉大学取得博士学位，2024年11月加入江西理工大学信息工程学院，目前任职于计算机科学与技术教研室。近年来参与国家级项目2项，主持省级项目和校级项目各1项。以第一/通信作者在国际高水平期刊Environment International、Journal of Cleaner Production、Sustainable Cities and Society、Science of the Total Environment和Environmental Pollution等发表研究论文7篇，被引次数约300次，h指数9。目前担任Artificial Intelligence Review、Journal of Cleaner Production、Scientific Reports、Environmental Science and Pollution Research等学术期刊审稿人。
研究方向： 1.大气污染物预测和反演
2.定量遥感，机器学习算法
3.遥感图像识别与语义分割
欢迎对机器学习应用等方面科研有兴趣，有较强动手能力的同学加入团队。
科研项目：
1.融合遥感数据的全国所有站点PM2.5和O3浓度联合预测方法研究，江西省青年基金，10万，主持，在研
2.基于深度图神经网络的区域全覆盖PM2.5浓度预报研究，校级，25万，主持，在研
代表性论文：
1.Teng, M.,Li, S., Xing, J.,et al. 72-hour real-time forecasting of ambient PM2.5 by hybrid graph deep neural network with aggregated neighborhood spatiotemporal information. Environment International, 2023: 107971.(中科院一区TOP期刊，IF=10.3,第一作者)
2.Teng M., Li S, Yang J, et al.Long-term PM2.5concentration prediction based on improved empirical mode decomposition and deep neural network combined with noise reduction auto-encoder- A case study in Beijing[J]. Journal of Cleaner Production, 2023:139449(中科院一区TOP期刊，IF=9.7,第一作者)
3.Teng M., Li S, Yang J., et al. A novel hybrid model that simultaneously forecasts the long-term PM2.5 concentration at all pollutant monitoring sites in China [J]. Journal of Cleaner Production. 2024. (中科院一区TOP期刊，IF=9.7,第一作者)
4.Teng, M.F.,Li, S.W., Song, G., et al., Including the feature of appropriate adjacent sites improves the PM2.5 concentration prediction with long short-term memory neural network model [J]. Sustainable Cities and Society. 2022. 103427. (中科院一区TOP期刊，IF=10.5,第一作者)
5.Teng M.,Li S, Xing J, et al. 24-Hour prediction of PM2. 5 concentrations by combining empirical mode decomposition and bidirectional long short-term memory neural network[J]. Science of the Total Environment, 2022: 153276.(发表年为中科院一区TOP期刊，IF=8.2,第一作者)
6.Yang K,Teng M., Luo Y, et al. Human activities and the natural environment have induced changes in the PM2.5 concentrations in Yunnan Province, China, over the past 19 years [J]. Environmental Pollution, 2020, 265(Pt B):114878. (发表年为中科院一区TOP期刊，IF=7.6,共同一作)
7.Yi L, Mengfan T.,Kun Y, et al.Research on PM2.5 estimation and prediction method and changing characteristics analysis under long temporal and large spatial scale-A case study in China typical regions[J]. Science of the Total Environment, 2019: 133983. (发表年为中科院一区TOP期刊，IF=8.2,通讯作者)
发明专利
1.一种基于BPANN与ε-SVR混合模型的PM2.5浓度预测方法(已授权，专利证书号：4975635)
2.一种基于深度神经网络预测24小时PM2.5浓度的方法(已授权，专利证书号：6933310)
3.一种基于混合图深度神经网络预测PM2.5长期浓度预测方法(实质审查)
4.适用于全国所有站点PM2.5长期浓度预报的混合深度神经网络(实质审查)
