袁三一，教授，博导。
主要从事地球物理信号处理、油气人工智能、地震地质工程一体化以及深部能源勘探与开发等方面的研究。入选“国家高层次青年人才计划”；先后被中国石油大学（北京）评为“青年拔尖人才”、“优秀青年学者”、“石大学者”； 先后获得中国地球物理学会“陈宗器地球物理优秀论文奖”、“ 刘光鼎地球物理青年科技奖”、“傅承义青年科技奖”；2021年和2022年连续入选爱思唯尔 “中国高被引学者”等。
2013年入职至今，与学生等联合发表SCI期刊论文80余篇，指导博士生20余人，指导本科生参加省市级以上课外科技活动30余项，近20项获得国家级、省部级、校级奖励或荣誉；10余人被派出攻读研究生和访学交流至少一年以上，20余人获“壳牌奖学金”、“国家奖学金”、“李四光优秀硕士研究生奖”、“王涛英才奖学金”和“韩大匡石油人工智能奖学金”等。曾多次被学校评为“优秀党员”、“优秀教师”、“优秀硕士学位论文指导教师”、“优秀本科毕业论文指导老师”和“大学生科技创新优秀指导教师”等荣誉称号。
联系方式：
电子邮件：yuansy@cup.edu.cn
电话：X5X0XX735X2，其中X代表1。
主要研究方向
[1] 地球物理信号处理；
[2] 油气人工智能；
[3] 地震地质工程一体化；
[4] 深部能源勘探与开发。
教育及工作经历
2019/07—至 今，中国石油大学（北京），教授
2017/11—2017/12，Tokyo University，访问学者
2017/07—2017/08，University of California, Santa Cruz，访问学者
2014/07—2019/06，中国石油大学（北京），副教授
2013/03—2014/06，中国石油大学（北京），教师
2011/10—2012/10，University of British Columbia，博士后
2006/09—2011/07，中国石油大学（北京）硕博连读，博士
2002/09—2006/07，长江大学（原江汉石油学院），本科
近5年主持的代表性项目
[1] 模型和数据联合驱动的叠前时间偏移速度建模流程智能化研究，国家自然科学基金面上项目
[2] 五维叠前地震信息驱动的深度学习致密砂岩储层表征机制及含气性预测，国家自然科学基金面上项目
[3] 球面波反射系数低频频变的一种简洁描述及在小角度资料密度反演中的应用，国家自然科学基金面上项目
[4] 钻井复杂层位各向异性参数提取与层速度随钻优化预测系统测试，中海石油（中国）有限公司北京研究中心
[5] 钻井复杂层位各向异性参数提取与层速度随钻优化技术研究，中海石油（中国）有限公司北京研究中心
[6] 白云东深水潜山优质储层分析与刻画，中海石油深海开发有限公司
[7] 多源信息深度融合的储层预测和精细描述，中国石油天然气集团有限公司-中国石油大学（北京）战略合作科技专项课题
[8] 流体饱和度定量预测技术测试，中国石油天然气股份有限公司勘探开发研究院
[9] 智能化速度建模和高分辨率处理方法研究，中国石油天然气股份有限公司勘探开发研究院西北分院
[10] 人工智能储层物性表征方法研究，中国石油化工股份有限公司胜利油田分公司物探研究院
[11] 地层声学参数跨频段特征分析及预测技术研究，中石化石油工程技术研究院有限公司
[12] 小壕兔低凸-石板太斜坡区奥陶系碳酸盐岩储层人工智能预测方法测试，中国石油化工股份有限公司华北油气分公司
[13] 致密碎屑岩频率域气层检测方法测试，中国石油化工股份有限公司石油勘探开发研究院
近5年代表性期刊论文（第一作者或通讯作者）
[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]基于自适应阈值约束的无监督聚类智能速度拾取.地球物理学报, 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.
学术兼职
[1] 《IEEE Geoscience and Remote Sensing Letters》副主编
[2] 《Acta Geophysica》副主编
[3] 《石油物探》编委
