王庆山 硕士生导师
性别：男
出生日期：1987年3月
所在学院：人文学院
职称：讲师
行政职务：天津农学院乡村规划与发展研究中心副主任、
旅游规划与景观设计中心副主任
最高学位：博士学位
最高学历：博士研究生
电子信箱：tjauwqs@tjau.edu.cn
个人简介：
现任天津农学院人文学院旅游管理系教师，兼任天津市科学学研究会理事，天津市农业经济学会理事，天津市“131”创新人才第三层次人才。主持省部级重大课题的子课题1项，局级课题2项，农业农村部课题1项，参与国家基金项目2项。发表SCI论文8篇，CSSCI论文10篇。
工作学习经历：
2006/09-2010/06，天津理工大学，理学院数学与应用数学专业，本科
2010/09-2013/03, 天津理工大学，管理学院管理与科学专业，硕士
2013/09-2016/06，天津大学，管理与经济学部工商管理，博士
2016/6至今，天津农学院 人文学院 教师
2023/7-2024/7，中华人民共和国农业农村部 农村社会事业发展司 借调工作
教学工作：
主要讲授课程为：统计学、旅游大数据、旅游学概论、旅游消费者行为、乡村旅游概论等。
主要研究领域或方向：
低碳经济与数字乡村、大数据分析与人工智能预测算法。
承担的主要科研项目：
1. 天津统计局科学研究重点项目，TJ2023KY04，天津市农业新质生产力的内涵及评价体系研究，2024/7-2024/12，主持人
2. 天津统计局科学研究优选项目，TJ2023KY22，乡村振兴全面推进背景下天津市数字乡村建设水平评价研究， 2023/07-2023/12，主持人
3. 农业农村部农村社会事业司课题，农村养老服务需求趋势与政策供给缺口研究，8万元，2024/7-2024/12，主持人
4. 横向委托，面向村庄规划实施效果评估的数字孪生技术研究, 20万，2023/1 -2023/12，主持人
5. 天津教委重大项目，2017JWZD16，天津国家自主创新示范区与中国（天津）自贸区联动发展的机制研究，2017/09-2019/09,子课题负责人
6. 天津农委软课题，天津家庭农场主发展问题研究，2016/08-2017/08，主持人
论文及成果：
1. Research on regional differences of China's new energy vehicles promotion policies: A perspective of sales volume forecasting[J]. Energy（中科院SCI 1区）, 2022:123541.
2. Prediction of SSE Shanghai Enterprises Index based on bidirectional LSTM model of air pollutants[J]. Expert Systems With Applications（中科院SCI 1区）, 2022.
3.Demand gap analysis of municipal solid waste landfill in Beijing: Based on the municipal solid waste generation[J]. Waste Management（中科院SCI 1区）, 2021, 134: 42-51.
4. A Novel Method for Regional NO2 Concentration Prediction Using Discrete Wavelet Transform and an LSTM Network[J]. Computational Intelligence and Neuroscience（中科院SCI 3区）, 2021, 2021:1-14.
5.Air pollution concentration forecasting based on wavelet transform and combined weighting forecasting model[J]. Atmospheric Pollution Research（中科院SCI 3区）, 2021: 101144.
6. Forecasting of China's solar PV industry installed capacity and analyzing of employment effect: based on GRA-BiLSTM model[J]. Environmental Science and Pollution Research（中科院SCI 3区）, 2021:1-17.
7. Air Pollutant Concentration Forecasting Using Long Short-Term Memory Based on Wavelet Transform and Information Gain: A Case Study of Beijing[J]. Computational Intelligence and Neuroscience（中科院SCI 3区） 2020.9.30
8. A Novel Deep Learning Approach for Wind Power Forecasting Based on WD-LSTM Mode[J]. Energies（中科院SCI 4区）.2020.9.22
9. 基于DWT-GRU模型的天津市NO_2浓度预测研究[J].环境科学与技术（CSSCI来源期刊）,2020,43(06):94-100.
10. 北京城市代谢预测研究——基于长短期记忆神经网络模型[J].地理科学进展（CSSCI来源期刊）,2019,38(06):851-860.
11. 基于信任治理的中国区域碳市场企业违约风险传染阻断策略[J].系统工程理论与实践（CSSCI来源期刊，EI期刊，国家自科委A类期刊）,2017,37(09): 2268-2278.
12. 中国碳市场企业违约风险控制政策结构分析[J].科技进步与对策（CSSCI来源期刊）,2017,34(05):98-104.
13. 能源密集型行业碳排放权总量分配两阶段决策模型研究[J].软科学（CSSCI来源期刊）,2016,30(08):52-56+78.
14. 弱关联性约束下中国试点省市碳排放权分配效率研究[J].软科学（CSSCI来源期刊）,2016,30(03):81-84+107.
15. 基于时变参数模型的中国区域碳排放权价格调控机制研究[J].中国人口·资源与环境（CSSCI来源期刊，国家教育部A类期刊）,2016,26(01):31-38.
16. 政策企业家视角下碳配额决策及违约惩罚的演化博弈分析[J].软科学（CSSCI来源期刊）,2015,29(09):121-126
17. 基于京津冀区域产业梯度转移的碳减排配额研究[J].干旱区资源与环境（CSSCI来源期刊）,2015,29(02):1-7.
18. 区域产业集群碳排放弹性分析与路径研究[J].软科学（CSSCI来源期刊）, 2012,26(07):70-74
