研究内容：
探索人工智能与机器学习技术在环境管理和能源优化中的创新应用，重点研究建筑能耗监测与预测、环境信息披露的智能识别模型、碳管理数据分析方法等。通过数据驱动的方法，提升环境管理的精准性与效率。

关键技术：

• 建筑能耗预测：基于机器学习算法（随机森林、神经网络、XGBoost等），建立建筑能耗基线模型与异常监测模型

• 环境信息披露：开发自然语言处理（NLP）模型，自动识别企业环境信息披露的完整性与一致性，支持环境监管与投资决策

• 碳管理数字化：构建碳排放数据采集、分析与可视化平台，支持企业碳管理决策

代表性成果：

• 主导新加坡建屋局（BCA）AI建筑节能算法更新项目，开发AI建筑能源在线计算器并免费开放公众使用，提升建筑能耗性能模拟效率与准确性

• 提出机器学习驱动的环境信息披露识别模型，推动人工智能在环保领域的应用探索

• 相关成果发表于IEEE国际会议及能源环境领域核心期刊