喻思羽
副教授
邮编：
传真：
通讯/办公地址：
移动电话：
邮箱：
个人简介
喻思羽，男，1987年6月生，湖北枣阳人，中共党员，博士，副教授。
2009年本科毕业于长江大学地理信息系统专业，2014年硕士毕业于长江大学三矿专业，2019年博士毕业于长江大学矿产普查与勘探专业。2019年至2021年在长江大学石油与天然气工程博士后流动站工作，2021年入职长江大学地球科学学院。
主要从事程序设计语言、储层建模与人工智能等方面的教学和科研工作。主讲《Python程序设计》、《数据结构》本科课程。研究方向为储层表征与建模、地质统计学与机器学习等方面算法与应用。
公开发表学术论文14余篇，被三大检索收录10余篇，获得国家发明专利授权6项，软件著作权18项，出版专著2部。获省部级科技进步奖一等奖2项。作为湖北省创新群体“储层精细表征与建模”骨干成员。
研究方向：
聚焦储层表征与建模算法的国际前沿方向，针对多点地质统计学的技术瓶颈提出一系列新方法新技术，取得成果包括
（1）针对多点地质统计学存在效率低问题，提出基于局部敏感哈希检索技术的多点建模算法，大幅度提高建模效率，使我国在该领域进入国际先进水平；
（2）针对难以重建非平稳训练图像储层模式特征的不足，提出一种基于各向异性特征和降维、聚类技术实现非平稳训练图像的自动化分区的新方法，确保使用非平稳训练图像能重建得到合理的储层地质模型；
（3）针对多点地质统计建模的训练图像优选问题，提出了基于深度学习的训练图像优选方法，有效解决了离散数据点与网格结构空间匹配的难题；
（4）针对多点建模的数据样板尺寸选取问题，提出一种基于卷积神经网络的数据样板尺寸优选方法，为多点建模选用合适建模参数提供科学依据；
（5）训练图像是多点地质统计建模方法的先验模型，使用多点建模之前需要判断训练图像是否满足平稳性要求，如果满足平稳性要求，则可以直接采用常规多点建模算法，否则需要采用非平稳建模的改进方法，例如考虑对训练图像进行分区建模。为了有效量化平稳性强度，提出基于模式瓦片距离的训练图像平稳性评价指标，通过比较模式内部更低级别的模式集的距离统计量，从而更准确地量化模式特征在整个空间中的差异分布规律，实现非平稳性定量评价，为多点建模选用合适训练图像提供科学依据。
基本信息
- 所在单位：地球科学学院
- 学历：博士研究生毕业
- 性别：男
- 学位：博士
- 职称：副教授
- 毕业院校：长江大学
科学研究
- [1]Training Image Optimization Method Based on Convolutional Neural Network and Its Application in Discrete Fracture Network Model Selection
- [2]Impact of Geological Factors on Marine Shale Gas Enrichment and Reserve Estimation: A Case Study of Jiaoshiba Area in Fuling Gas Field
- [3]基于p-stable LSH的多点地质统计建模算法[J]
- [4]基于样式降维聚类的多点地质统计建模算法[J]
- [5]基于局部各向异性的非平稳多点地质统计学算法[J]
- [6]wo parameter optimization methods of multi-point geostatistics
- [7]基于平均熵值的多点地质统计建模参数优选方法
- [8]Nonstationary training image partition algorithm based on deep features
教学研究
学生信息
• 韩茂洲