报告人： 申建伟 教授

报告题目： 基于深度学习的高余维分岔识别方法及其应用

时间： 2026年8月19日 10:00—11:00

地点： 数学楼2-3

邀请人： 罗晓峰 副教授（中北大学，天元访问学者）、肖燕妮 教授（西安交通大学）

报告摘要：
高余维分岔能够揭示多参数耦合作用下系统的临界跃迁机理。为此，本工作提出了一种基于任务解耦思想的整体式深度学习框架，实现了从原始时序数据到分岔类型预测的端到端建模过程。该框架针对稳定点类（Fold、Cusp）与极限环类（Hopf、Limit Cycle Fold、Bautin）分别构建识别模型，并结合双策略时序截取方法与规范型驱动的仿真数据生成技术，在含噪和缓变参数条件下具备良好的分岔类型鲁棒判别能力。

基于该框架，报告将在生态系统、地震 GNSS 形变及 COVID-19 死亡率等多源时序数据上展示其跨领域泛化性能，说明该方法能够提前识别 Cusp、Bautin 等高余维分岔的临界先兆。进一步地，在双参数可调系统中，及时识别高余维分岔并沿“非灾变路径”实施参数调控，可将突变过程转化为平滑演化，从而有效避免或显著延缓灾难性临界跃迁。

报告人简介：
申建伟，二级教授、博士生导师，现任河南省应用数学中心（华北水利水电大学）主任，受聘河南省高校特聘教授。曾先后于上海大学和日本东京大学从事博士后研究，并在香港城市大学和美国加州大学洛杉矶分校进行学术访问。主要研究方向为非线性动力系统理论及其应用。

申建伟教授先后入选教育部新世纪优秀人才支持计划、河南省高校科技创新人才计划，获得河南省杰出人才基金、杰出青年基金及中原基础研究领军人才基金。主持国家自然科学基金项目6项，参与国家自然科学基金重点项目1项，发表学术论文130余篇，在 Springer 出版专著1部，研究成果获教育部自然科学奖二等奖和河南省自然科学奖二等奖。