姓名：周倩倩（拼音：Qianqian Zhou）
职称：教授
职务：无
导师类别：硕士研究生导师
电子邮箱：[email protected]
研究方向：人工智能和图像识别、城市洪涝预测和风险评估，排水管网建模与优化、管道缺陷检测和健康度评价，海绵措施规划
招生专业：[0814，土木工程；0859，土木水利；1256，工程管理]
1. 个人简介
周倩倩，教授，硕士生导师。硕士毕业于瑞典隆德大学（LU），博士毕业于丹麦科技大学（DTU）环境工程系，后在DTU进行了相关工作的博士后研究。曾获国家公派资助在美国西北太平洋国家实验室（PNNL）的全球变化联合研究中心（JGCRI）进行洪涝模拟和评估方面的访学研究。
以第一/通讯作者在《Journal of Hydrology》《Hydrology and Earth System Sciences》《Tunnelling and Underground Space Technology》等领域顶级期刊发表SCI论文30余篇、中文核心论文21篇；总被引2484次，i10-index达29。以第一发明人身份授权国家发明专利4项，授权软件著作权6件。另外，主持了多项科学研究基金，包括国家自然科学基金、国家重点研发项目课题、广东省自然科学基金、广东省青年提升项目、广东省科技计划项目、教育部归国人员启动基金、广州市科技计划项目等10余项纵向基金。
2. 代表性科研项目
[1]国家重点研发项目课题(主持)
[2]国家自然科学基金青年科学基金项目(主持)
[3]广东省自然科学基金青年提升项目(主持)
[4]广东省科技计划项目(主持)
[5]广东省自然科学基金面上项目(主持)
[6]广东省自然科学基金青年项目(主持)
[7]教育部归国人员启动基金(主持)
[8]广州市科技计划项目(主持)
3. 荣誉与奖励
[1]2023年广东省科技进步奖二等奖（排名第一）
[2]2024年中国城镇供水排水协会科学技术奖二等奖（排名第二）
[3]2024广东省土木建筑学会科学技术奖一等奖（排名第二）
[4]连续三年（2022-2024）入选斯坦福大学全球前2%顶尖科学家榜单。
4. 学术兼职
[1]《中国给水排水》青年编委
[2]《快猫
学报》青年编委
[3]为知名学术期刊担任评审人，包括：<Journal of Hydrology>, <Water Resources Research>,<Water Resources Management>, <Journal of Water Resources Planning & Management>,<Urban Water>等
5. 代表性论文（一作及通讯）
[1]“Improving urban flood prediction using LSTM-DeepLabv3+ and Bayesian optimization with spatiotemporal feature fusion”, Journal of Hydrology, 630, 130743 (2024). (一区Top，IF = 6.4)
[2]“Automatic topology and capacity generation framework for urban drainage systems with deep learning-based land use segmentation and hydrological characterization”, Journal of Hydrology, 641, 131766 (2024). (一区Top，IF = 6.4)
[3]“How does flow connection path and vertical spatial layout of LIDs affect urban runoff? A new LID construction method based on refined landuse and hydrologic characterization”, Journal of Hydrology, 623, 129809 (2023). (一区Top，IF = 6.4)
[4]“Automatic sewer defect detection and severity quantification based on pixel-level semantic segmentation”, Tunnelling and Underground Space Technology, 123, 104403 (2022). (一区Top，IF = 7.4)
[5]“Attention-based deep learning framework for urban flood damage and risk assessment with improved flood prediction and land use segmentation”, International Journal of Disaster Risk Reduction, 166, 105165 (2025). (二区，IF = 4.7)
[6] “Deep learning, geometric characterization and hydrodynamic modeling for assessing sewer defect impacts on urban flooding: A case study in Guangzhou, China”, Journal of Environmental Management, 351, 119689, (2024). (二区，IF = 8.0)
[7]“A deep-learning-technique-based data-driven model for accurate and rapid flood predictions in temporal and spatial dimensions”, Hydrology and Earth System Sciences, 27(9), 1791-1808, (2023). (一区Top，IF = 6.1)
[8]“Comparative Effectiveness of Data Augmentation Using Traditional Approaches versus StyleGANs in Automated Sewer Defect Detection”, Journal of Water Resources Planning and Management, 149(9), 04023045 (2023). (三区，IF = 2.9)
[9]“Real-time sewer defect detection based on YOLO network, transfer learning, and channel pruning algorithm”, Journal of Civil Structural Health Monitoring, 14, 41-57 (2024). (二区，IF = 4.0)
[10]“基于时空特征融合的城市洪涝混合深度学习预测”，中国给水排水，40(17), 131-136. (2024)
[11]“基于精细化水文表征的LID竖向模型构建方法”，中国给水排水，40(19), 122-126. (2024)
[12]“基于GIS和SWMM的精细化水文表征方法”，中国给水排水，39(7), 126-132. (2023)
[13]“基于生成对抗网络和迁移学习的排水管道缺陷识别”，中国给水排水，38(17), 27-33. (2022)
6. 其它知识产权情况
[1]“一种低冲击开发模拟方法、系统及相关装置”，周倩倩，苏炯恒，梅胜，覃钊，发明专利，201910645574.7 (授权: 2023.05.09)
[2]“城市内涝预测方法、装置、终端及计算机可读存储介质”，周倩倩，苏炯恒，李阿婷，发明专利，201711434743.X (授权: 2022.02.15)
[3]“城市内涝风险评估方法、装置及终端”，周倩倩，苏炯恒，许小文，发明专利，201711486865.3 (授权: 2020.08.11)
7. 我的团队
目前指导硕士研究生9名、本科生3名。诚邀对人工智能深度学习算法、水动力仿真建模、遥测地信GIS分析、管网模型感兴趣的小伙伴共谋发展。
