报 告 人：常海滨副研究员

工作单位：中国矿业大学（北京）能源与矿业学院

报告题目：深度学习在渗流反问题中的应用体会

报告时间：2023年11月15日（周三）16:00

报告地点：文理楼290

内容摘要：

在各科研领域的研究中均存在一些传统方法，但多数方法往往存在一些技术瓶颈和局限性。深度学习方法是近些年的研究热点，其在图像数据、时序数据处理、复杂函数关系近似、智能决策等方面具有优势。如何合理的选择和改进深度学习方法，并应用于各科研领域以解决传统方法的技术瓶颈是值得思考的问题。报告人以渗流反问题为例谈论深度学习方法的应用体会，辩证的讨论深度学习方法与传统方法的互补性。报告从渗流反问题建模的基础讲起，阐述该问题的主要技术瓶颈，进而讲解如何利用深度学习方法解决传统方法存在的问题。报告也会讨论如何将传统方法应用于深度学习框架。最后也会简要介绍深度学习方法在渗流开发优化方面的应用。

个人简介：

常海滨，中国矿业大学（北京）能源与矿业学院副研究员。长期从事渗流不确定性分析、数据同化、开发优化和大数据方法的研究。在SPE J、WRR、JCP、JGR、CMAME等权威期刊发表SCI论文20余篇。