2024年1月，工程中心耿志强教授团队在系统科学领域国际顶级期刊《IEEE Transactions on Systems, Man, and Cybernetics: Systems》发表题为“Novel Long Short-Term Memory model based on the attention mechanism for the leakage detection of water supply processes”的突破性研究（卷54期5，页2786-2796，DOI: 10.1109/TSMC.2024.3350200）。
该研究首创“注意力增强型LSTM泄漏检测框架（Att-LSTMNet）”，提出了一种融合长短期记忆网络（LSTM）的新型管道注意力检测泄漏。基于密度的带噪声应用空间聚类（DBSCAN）方法根据管道泄漏特性将供水网络划分为几个区域。然后，LSTM提取管道动态时变水力特征，管道注意力提取管道之间动态变化的特征。最后，将Att -LSTM模型用于城市供水系统泄漏区域检测，与多层感知器分类器、邻域分类器、决策树分类器、支持向量机分类器、多尺度全卷积网络、一维多通道卷积神经网络和变分自编码器相比，Att -LSTM的F1-Score有较大提高，分别为116%、120%、254%、180%、21%、26%和27%，因此所提模型能够准确检测供水管网泄漏，有效减少资源浪费。
第一作者为韩永明，教授，博士生导师，国家优青，计算机系系主任，研究领域包括人工智能、机器学习、系统建模及优化、能效评价、数据分析与信息集成、智能优化等。
《IEEE TSMC-Systems》是复杂系统工程领域的旗舰期刊，创刊逾50年，聚焦人机智能协同、工业系统安全等前沿方向，以理论严谨性与技术落地性享誉学界，年均录用率仅18%。