讲座题目 | 基于模型降阶和深度学习的反问题求解方法 |
主办单位 | 数理与统计学院 | 协办单位 | 统计与数据计算系 |
讲座时间 | 4月28日 15:00 | 主讲人 | 肖聪 |
讲座地点 | 行政楼1308室 |
主讲人简介 | 肖聪，副教授，校青年拔尖人才，硕士生导师，博士毕业于荷兰代尔夫特理工大学应用数学系。致力于结合模型降维和深度学习框架的石油代理模型和油藏参数自动拟合优化算法，对油藏降阶模型构建、参数局域化降维处理、降维伴随算子优化方法展开研究。目前主持或者参入校级人才引进基金、重点实验室开放基金及企业合作项目等多项。第一/通讯作者并在行业顶级期刊SPE Journal及多孔介质流动顶级期刊/中科院一区Top期刊Water Resources Research、人工智能行业顶级期刊/中科院一区Top期刊Knowledge-Based Systems及计算流体力学顶级期刊Journal of Computational Physics等国际高水平期刊发表论文30余篇。兼任天然气工业（英文版）、东北石油大学学报、《Petroleum Science》等国内外能源领域知名学术期刊客座主编或青年编委。 |
讲座内容简介 | 1. 基于模型降维的油藏模型线性化方法； 2. 基于深度学习的油藏代理建模方法； 3. 耦合模型降阶和深度学习的伴随模式构建及参数反演。
|
中国石油大学（北京）肖聪副教授为我校师生作学术报告
作者：高雪瑞
4月28日下午，中国石油大学（北京）肖聪副教授应数理与统计学院邀请在行政楼1308室为广大师生作了题为“基于模型降阶和深度学习的反问题求解方法”的学术报告。报告会由数理与统计学院统计与数据计算系主任江开忠主持。
肖聪副教授从基于模型降维的油藏模型线性化方法、基于深度学习的油藏代理建模方法以及耦合模型降阶和深度学习的伴随模式构建及参数反演等三个方面详细介绍了反问题求解的最新研究进展。
肖聪副教授在讲座中与师生互动，详细解答了与会师生关于反问题建模及算法方面提出的问题，并结合我校统计学学科指出：现代统计学越来越依靠大型计算机求解复杂的建模问题，如：高维统计信号处理。统计学的本质是对不可直接观测的参数，利用能观测到的数据，进行最优的推测，其本质也是一类反问题求解。事实上，反问题的解决涉及到多个基础数学领域分支的多个未解决难题，通过本次讲座，广大师生对反问题求解领域的热点和前沿问题研究有了更深刻的认识。
