2024年11月，课题组周啸副教授、博士研究生曼亚灿以共同第一作者身份在《Water Research X》期刊（IF: 7.2）在线发表论文“Leveraging multi-level correlations for imputing monitoring data in water supply systems using graph signal sampling theory”。

供水系统监测数据的准确性和完整性对其智能化发展至关重要，但数据常受多种因素的影响，经常会出现缺失或异常。传统插补方法在利用数据关系方面存在一定的局限性，本文创新地利用图信号采样技术分析不同时间点的多层次相关性，并应用图信号采样算法提取低频特征进行插补，提出了基于图的数据修补（GDI）方法。 该研究通过对不同类型和缺失比例数据的测试，对比多种传统方法，结果表明GDI在对离散缺失型数据修补的任务中表现出色，即使缺失值比例达80%，仍能实现$R^{2}>0.8$，具有更高的准确性和稳定性，且无需复杂特征工程和预训练过程。GDI为供水系统状态预测、漏损控制等相关研究提供了数据基础，有助于解决供水管网监测数据缺失或质量差的问题，为管网智能化、信息化的发展提供了数据基础。 该研究得到了国家自然科学基金等项目的资助。