EN
师资队伍
所在位置: 首页 > 师资队伍 > 师资队伍 > 按姓氏 > D

专家详情页

都书一

建筑环境与能源应用工程系

学位职称:博士/博士后


学习工作简历:

2014.09-2018.06,辽宁大学,计算机科学与技术,学士

2018.09-2024.06,北京科技大学,流体力学,工学博士

2024.07-至今,北京科技大学,博士后

学习工作简历研究领域:

智慧油气藏开发、数智渗流力学

奖励荣誉:

获中国石油和化工自动化应用协会科技进步二等奖(5/15);博士研究生国家奖学金;中国国际“互联网+”大学生创新创业大赛北京赛区一等奖等

科研项目:

1.融合数据先验信息的油藏注水开发人工智能优化方法研究,国家自然科学基金委员会面上项目,参与

2.含纳米尺度孔隙致密油气储层低速非线性渗流机理研究,国家自然科学基金委员会面上项目,参与

3.基于机器学习的储层油分布研究,中央高校基本科研业务经费,参与

授权专利:

1.宋洪庆,都书一,宋鹂影,等.一种基于物理约束的煤层气藏压裂效果评价方法[P].北京市:CN202110971711.3,2023-09-22.

2.宋洪庆,都书一.一种基于机器学习的井间连通性评价方法[P].北京市:CN201911256912.4,2021-02-26.

3.宋鹂影,宋洪庆,都书一,等.一种基于渗流控制方程的储层纵向非均质性评价方法[P].北京市:CN202010890024.4,2021-08-03.

4.宋洪庆,张启涛,李正一,都书一等.一种基于机器学习的油田剩余油饱和度分布的预测方法[P].北京市:CN201910951088.8,2020-02-18.

论文及著作:

1.Du S, Wang J, et al. A systematic data-driven approach for production forecasting of coalbed methane incorporating deep learning and ensemble learning adapted to complex production patterns. Energy, 2023, 263: 126121.

2.Du S, Wang M, Yang J, et al. An enhanced prediction framework for coalbed methane production incorporating deep learning and transfer learning. Energy, 2023, 282: 128877.

3.Du S Y, Zhao X G, Xie C Y, et al. Data-driven production optimization using particle swarm algorithm based on the ensemble-learning proxy model. Petroleum Science, 2023, 20(5): 2951-2966.

4.Song H, Du S, Yang J, et al. Evaluation of hydraulic fracturing effect on coalbed methane reservoir based on deep learning method considering physical constraints. Journal of Petroleum Science and Engineering, 2022, 212: 110360.

5.Du S, Zhang J, Yue M, et al. A novel sequential-based hybrid approach incorporating physical modeling and deep learning for multiphase subsurface flow simulation. Gas Science and Engineering, 2023, 118: 205093.

6.Du S, Wang M, Yang J, et al. A novel prediction method for coalbed methane production capacity combined extreme gradient boosting with bayesian optimization. Computational Geosciences, 2023: 1-10.

7.Song H, Du S, Wang R, et al. Potential for vertical heterogeneity prediction in reservoir basing on machine learning methods. Geofluids, 2020, 2020: 1-12.

8.Du S, Wang R, Wei C, et al. The connectivity evaluation among wells in reservoir utilizing machine learning methods. IEEE access, 2020, 8: 47209-47219.

9.宋洪庆,都书一,杨焦生,等.基于机器学习的煤层气产能标定智能算法及影响因素分析.工程科学学报,2024,46(04):614-626.

10.宋洪庆, 都书一, 王九龙, 等. 数智流体力学的发展及油气渗流领域应用. 力学学报, 2023, 55(3): 765-791.

11.宋洪庆, 都书一, 周园春, 等. 油气资源开发的大数据智能平台及应用分析. 工程科学学报, 2021, 43(2): 179-192.