邮箱：20220940@btbu.edu.cn
地址：北京市房山区北京工商大学良乡主校区东区ld乐动体育官方网站(中国)_NO.1
个人简介
北京工商大学ld乐动体育官方网站(中国)_NO.1副教授，硕士生导师。中国科学院数学与系统科学研究院特别研究助理（博士后），东北财经大学与加拿大女皇大学联合培养博士。兼任Data Science and Management期刊青年编委。IEEE Transactions on Neural Networks and Learning Systems,Applied Energy和International Journal of Forecasting等SCI期刊匿名审稿人。
研究兴趣
主要从事大数据分析与挖掘、统计分析建模在能源环境系统预测等方面的研究。现已在国际学术期刊Applied Energy、Energy、Renewable Energy等发表SCI/SSCI学术论文10余篇，其中2篇入选ESI全球工程技术领域前1%TOP高被引论文。
主讲课程
本科生课程《计量经济学》、《非参数统计学》，研究生课程《机器学习》。
学习经历
2009年9月-2013年7月，西安财经大学统计学专业，经济学学士；
2013年9月-2016年6月，兰州大学应用统计学专业，应用统计学硕士；
2016年9月-2020年6月，东北财经大学统计学专业，经济学博士。
工作经历
2018年9月-2019年11月，加拿大女王大学生物统计系，联合培养博士；
2020年9月-2022年9月，中国科学院数学与系统科学研究院系统所，博士后；
2022年9月至今，北京工商大学ld乐动体育官方网站(中国)_NO.1，副教授。
主要获奖荣誉
1. 2017年，美国大学生数学建模竞赛二等奖1项（指导教师）；
2. 2016年，美国大学生数学建模竞赛一等奖1项，二等奖1项（指导教师）。
主要科研项目
主持国家自然科学基金青年项目1项，主持完成中国博士后科学基金面上项目1项，参与国家社科基金重大项目1项，国家社科基金项目1项，国家自科基金4项。主要有：
1. 国家自然科学基金青年科学基金项目，大规模风电并网过程中提升风能资源利用水平的若干对策与应用研究，执行年份（2022年1月-2024年12月），30万，主持人；
2. 第69批中国博士后科学基金面上项目，基于非线性特征分析的风功率爬坡事件识别和概率预测研究，执行年份（2021年1月-2023年12月），优秀结题，5万，主持人；
3. 国家社会科学基金重大项目，数字字金融提升产业链供应链韧性的效应、机制与实现路径研究，执行年份（2023年7月-2025年12月），20万，主要成员；
4. 国家社会科学基金面上项目，基于集成学习的预测方法及其在全球大宗商品市场预测中的应用研究，执行年份（2023年1月-2026年12月），48万，主要成员；
5. 国家自然科学基金面上项目，基于集成学习的预测方法及其在全球大宗商品市场预测中的应用研究，执行年份（2023年1月-2026年12月），48万，主要成员；
6. 国家自然科学基金面上项目，基于多源大数据和分解集成方法论的旅游需求预测方法研究，执行年份（2023年1月-2026年12月），48万，主要成员；
7. 国家自然科学基金面上项目，大规模风电并网管理中的风能资源评估与预测研究，执行年份（2017年1月-2020年12月），48万，主要成员；
8. 国家自然科学基金面上项目，电网安全预警管理中的负荷预测研究及应用，执行年份（2012年1月-2020年12月），48万，主要成员。
主要学术成果
发表论文17篇。主要有：
1. Heng, J., Hong, Y., Hu, J., & Wang, S*. Probabilistic and deterministic wind speed forecasting based on non-parametric approaches and wind characteristics information. Applied Energy, 306 (2022), 118029. (SCI，JCR：Q1，IF：11.446)；
2. Heng, J., Wang, J*., Xiao, L., & Lu, H. Research and application of a combined model based on frequent pattern growth algorithm and multi-objective optimization for solar radiation forecasting. Applied Energy, 208 (2017), 845-866. (SCI，JCR：Q1，IF：11.446)；
3. Heng, J., Wang, C.*, Zhao, X., & Xiao, L. Research and application based on adaptive boosting strategy and modified CGFPA algorithm: A case study for wind speed forecasting. Sustainability, 8 (2016), 235. (SCI/SSCI，JCR：Q1，IF：3.889)；
4. Heng, J., Wang, C.*, Zhao, X., & Wang, J. A hybrid forecasting model based on empirical mode decomposition and the cuckoo search algorithm: a case study for power load. Mathematical Problems in Engineering, (2016). (SCI，JCR：Q2，IF：1.430)；
5. Hu, J., Heng, J*., Wen, J., & Zhao, W. Deterministic and probabilistic wind speed forecasting with de-noising-reconstruction strategy and quantile regression based algorithm. Renewable Energy, 162 (2020), 1208-1226. (SCI，JCR：Q1，IF：8.634)；
6. Hu, J., Heng, J*., Tang, J., & Guo, M. (2018). Research and application of a hybrid model based on Meta learning strategy for wind power deterministic and probabilistic forecasting. Energy Conversion and Management, 173 (2020), 197-209. (SCI，JCR：Q1，IF：11.533)；
7. Wang, J., Heng, J.*, Xiao, L., & Wang, C. Research and application of a combined model based on multi-objective optimization for multi-step ahead wind speed forecasting. Energy, 125 (2017), 591-613. (SCI，JCR：Q1，IF：8.857) # (ESI) 高被引文章/前1%引用文章；
8. Lu, H., Heng, J*., & Wang, C. An AI-based hybrid forecasting model for wind speed forecasting. In International Conference on Neural Information Processing,. Springer, Cham. 2017, November: pp. 221-230；
9. Du, Z., Heng, J., Niu, M., & Sun, S*. An innovative ensemble learning air pollution early-warning system for China based on incremental extreme learning machine. Atmospheric Pollution Research, 12 (2021), 101153. (SCI，JCR：Q1，IF：4.831)；10. Wu, H., Liang, Y., Heng, J., Ma, C., & Gao, X. MSV-net: Multi-scale visual-inspired network for short-term electricity price forecasting. Energy, 291 (2024), 130350；
11. Wu, H., Liang, Y., & Heng, J. Pulse-diagnosis-inspired multi-feature extraction deep network for short-term electricity load forecasting. Applied Energy, 339 (2023), 120995；
12. Tang, J., Hu, J., Heng, J., & Liu, Z. A novel Bayesian ensembling model for wind power forecasting. Heliyon, 8 (2022), e11599. (SCI，JCR：Q1，IF：3.776)。
13. Li, R., Hu, Y., Heng, J., & Chen, X*. A novel multi-scale forecasting model for crude oil price time series. Technological Forecasting and Social Change, 173 (2021), 121181. (SCI，JCR：Q1，IF：10.884)；
14. Liu, T., Liu, S*., Heng, J., & Gao, Y. A new hybrid approach for wind speed forecasting applying support vector machine with ensemble empirical mode decomposition and cuckoo search algorithm. Applied Sciences-Basel, 8 (2018), 1754. (SCI，JCR：Q2，IF：2.838)；
15. Jiang, P., Yang, H*. , & Heng, J. A hybrid forecasting system based on fuzzy time series and multi-objective optimization for wind speed forecasting. Applied Energy, 235 (2019), 786-801. (SCI，JCR：Q1，IF：11.446) # (ESI) 高被引文章/ 前1%引用文章；
16. Wu, H., Liang, Y., Gao, X., & Heng, J. Bionic-inspired oil price prediction: Auditory multi-feature collaboration network. Expert Systems with Applications, 244 (2024), 122971；
17. Hu, J., Luo, Q., Tang, J., Heng, J., & Deng, Y. Conformalized temporal convolutional quantile regression networks for wind power interval forecasting. Energy, (2022). 123497. (SCI，JCR：Q1，IF：8.857).
