袁三一，教授，博導。
主要從事地球物理信號處理、油氣人工智能、地震地質(zhì)工程一體化以及深部能源勘探與開發(fā)等方面的研究。入選“國家高層次青年人才計劃”；先后被中國石油大學（北京）評為“青年拔尖人才”、“優(yōu)秀青年學者”、“石大學者”； 先后獲得中國地球物理學會“陳宗器地球物理優(yōu)秀論文獎”、“ 劉光鼎地球物理青年科技獎”、“傅承義青年科技獎”；2021年和2022年連續(xù)入選愛思唯爾 “中國高被引學者”等。
2013年入職至今，與學生等聯(lián)合發(fā)表SCI期刊論文80余篇，指導博士生20余人，指導本科生參加省市級以上課外科技活動30余項，近20項獲得國家級、省部級、校級獎勵或榮譽；10余人被派出攻讀研究生和訪學交流至少一年以上，20余人獲“殼牌獎學金”、“國家獎學金”、“李四光優(yōu)秀碩士研究生獎”、“王濤英才獎學金”和“韓大匡石油人工智能獎學金”等。曾多次被學校評為“優(yōu)秀黨員”、“優(yōu)秀教師”、“優(yōu)秀碩士學位論文指導教師”、“優(yōu)秀本科畢業(yè)論文指導老師”和“大學生科技創(chuàng)新優(yōu)秀指導教師”等榮譽稱號。
聯(lián)系方式：
電子郵件：yuansy@cup.edu.cn
電話：X5X0XX735X2，其中X代表1。
主要研究方向
[1] 地球物理信號處理；
[2] 油氣人工智能；
[3] 地震地質(zhì)工程一體化；
[4] 深部能源勘探與開發(fā)。
教育及工作經(jīng)歷
2019/07—至 今，中國石油大學（北京），教授
2017/11—2017/12，Tokyo University，訪問學者
2017/07—2017/08，University of California, Santa Cruz，訪問學者
2014/07—2019/06，中國石油大學（北京），副教授
2013/03—2014/06，中國石油大學（北京），教師
2011/10—2012/10，University of British Columbia，博士后
2006/09—2011/07，中國石油大學（北京）碩博連讀，博士
2002/09—2006/07，長江大學（原江漢石油學院），本科
近5年主持的代表性項目
[1] 模型和數(shù)據(jù)聯(lián)合驅(qū)動的疊前時間偏移速度建模流程智能化研究，國家自然科學基金面上項目
[2] 五維疊前地震信息驅(qū)動的深度學習致密砂巖儲層表征機制及含氣性預測，國家自然科學基金面上項目
[3] 球面波反射系數(shù)低頻頻變的一種簡潔描述及在小角度資料密度反演中的應用，國家自然科學基金面上項目
[4] 鉆井復雜層位各向異性參數(shù)提取與層速度隨鉆優(yōu)化預測系統(tǒng)測試，中海石油（中國）有限公司北京研究中心
[5] 鉆井復雜層位各向異性參數(shù)提取與層速度隨鉆優(yōu)化技術(shù)研究，中海石油（中國）有限公司北京研究中心
[6] 白云東深水潛山優(yōu)質(zhì)儲層分析與刻畫，中海石油深海開發(fā)有限公司
[7] 多源信息深度融合的儲層預測和精細描述，中國石油天然氣集團有限公司-中國石油大學（北京）戰(zhàn)略合作科技專項課題
[8] 流體飽和度定量預測技術(shù)測試，中國石油天然氣股份有限公司勘探開發(fā)研究院
[9] 智能化速度建模和高分辨率處理方法研究，中國石油天然氣股份有限公司勘探開發(fā)研究院西北分院
[10] 人工智能儲層物性表征方法研究，中國石油化工股份有限公司勝利油田分公司物探研究院
[11] 地層聲學參數(shù)跨頻段特征分析及預測技術(shù)研究，中石化石油工程技術(shù)研究院有限公司
[12] 小壕兔低凸-石板太斜坡區(qū)奧陶系碳酸鹽巖儲層人工智能預測方法測試，中國石油化工股份有限公司華北油氣分公司
[13] 致密碎屑巖頻率域氣層檢測方法測試，中國石油化工股份有限公司石油勘探開發(fā)研究院
近5年代表性期刊論文（第一作者或通訊作者）
[1]Porosity prediction using semi-supervised learning with biased well log data for improving estimation accuracy and reducing prediction uncertainty. Geophysical Journal International, 2023, 232(2): 940–957.
[2]Double-scale supervised inversion with a data-driven forward model for low-frequency impedance recovery. Geophysics, 2022, 87(2): R165–R181.
[3]Gas-bearing prediction using transfer learning and CNNs: An application to a deep tight dolomite reservoir. IEEE Geoscience and Remote Sensing Letters, 2022, 19: 3001005.
[4]SegNet-based first-break picking via seismic waveform classification directly from shot gathers with sparsely distributed traces. Petroleum Science, 2022, 19(1): 162–179.
[5]Incremental semi-supervised learning for intelligent seismic facies identification. Applied Geophysics, 2022, 19(1): 41–52.
[6]Inversion-based non-stationary normal moveout correction along with prestack high-resolution processing. Journal of Applied Geophysics, 2021, 191: 104379.
[7]DCNNs-based denoising with a novel data generation for multidimensional geological structures learning. IEEE Geoscience and Remote Sensing Letters, 2021, 18(10): 1861–1865.
[8]基于自適應閾值約束的無監(jiān)督聚類智能速度拾取.地球物理學報, 2021, 64(3): 1048–1060.
[9]6D phase-difference attributes for wide-azimuth seismic data interpretation. Geophysics, 2020, 85(6): IM37–IM49.
[10]Inverse spectral decomposition using an lp-norm constraint for the detection of close geological anomalies. Petroleum Science, 2020, 17(6): 1463–1477.
[11]Impedance inversion by using the low-frequency full-waveform inversion result as an a priori model. Geophysics, 2019, 84(2): R149–R164.
[12]Geosteering phase attributes: A new detector for the discontinuities of seismic images. IEEE Geoscience and Remote Sensing Letters, 2019, 16(1): 145–149.
[13]Seismic waveform classification and first-break picking using convolution neural networks. IEEE Geoscience and Remote Sensing Letters, 2018, 15(2): 272–276.
學術(shù)兼職
[1] 《IEEE Geoscience and Remote Sensing Letters》副主編
[2] 《Acta Geophysica》副主編
[3] 《石油物探》編委
