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、地震地質工程一體化以及深部能源勘探與開發等方面的研究。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，與學生等聯合發表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“優秀黨員”、“優秀教師”、“優秀碩士學位論文指導教師”、“優秀本科畢業論文指導老師”和“大學生科技創新優秀指導教師”等榮譽稱號。
聯系方式：
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] 地震地質工程一體化；
[4] 深部能源勘探與開發。
教育及工作經歷
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] 模型和數據聯合驅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提取與層速度隨鉆優化預測系統測試，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提取與層速度隨鉆優化技術研究，中海石油（中國）有限公司北京研究中心
[6] 白云東深水潛山優質儲層分析與刻畫，中海石油深海開發有限公司
[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）戰略合作科技專項課題
[8] 流體飽和度定量預測技術測試，中國石油天然氣股份有限公司勘探開發研究院
[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] 地層聲學參數跨頻段特征分析及預測技術研究，中石化石油工程技術研究院有限公司
[12] 小壕兔低凸-石板太斜坡區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
