孙歧峰，博士，硕士生导师，毕业于中国石油大学（华东）计算机科学与技术专业，获得工学硕士学位并留校任教；2011年，中国石油大学地质资源与地质工程专业学习并获得工学博士学位。2015年3至2016年3月受国家留学基金资助作为访问学者留学美国路易斯安娜大学拉法叶分校。近年来参与国家高技术研究发展计划（863计划）、国家科技重大专项、企业委托科技攻关课题等项目30余项，公开发表论文20余篇。
通讯地址：山东省青岛市黄岛区长江西路66号工科E座1717室

人工智能技术及其在石油行业中的应用、三维数据场可视化、石油软件开发

《数据结构与算法》、《算法分析与设计》、《软件工程》

1. 弹性全波形反演与逆时偏移成像, 国家自然科学基金【重点项目】 No.41930429，2020.01-2024.12, 经费358.8万,参与；
2. 面向深层油藏精细描述的地质知识库研究与开发，自主创新科研计划项目【科技专项】（20CX05017A），2020.05-2022-12, 经费51万, 主持；
3. 中油管道公司科技服务平台功能升级及自建系统漏洞测试修复，【横向课题】2019.08-2020.12, 经费33.5万元，主持；
4. 基于伽马成像的地质导向软件系统研发技术外协合同，【横向课题】，2019.03-2019-12，经费29.5万元，主持；
5. 断块油藏地质工程一体化随钻评价技术二维、三维模型实时交互分析测试，【横向课题】，2017.01-2018.12, 经费29.0万元，主持；
6. 随钻远程传输计算单元能力测试合同，【横向课题】，2018.01-2018.12, 经费16万元，主持；
7.断块油藏物理模型及三维随钻可视化数据测试，【横向课题】，2017.01-2017.12, 经费12.5万元，主持；

[1]Sun, Q.; Wang, X.; Ni, H.; Gong, F.; Du, Q. Fault Identification of U-Net Based on Enhanced Feature Fusion and Attention Mechanism. Electronics 2023, 12, 2562.
https://doi.org/10.3390/electronics12122562(SCI三区)

[2]Sun, Q.; Su, N.; Gong, F.; Du, Q. Blank Strip Filling for Logging Electrical Imaging Based on Multiscale Generative Adversarial Network. Processes 2023, 11, 1709.
https://doi.org/10.3390/pr11061709(SCI三区)

[3]Qifeng SUN, Na LI, Youxiang DUAN, Hongqiang LI, Haiquan TANG,Logging-while-drilling formation dip interpretation based on long short-term memory,Petroleum Exploration and Development,Volume 48, Issue 4,2021,Pages 978-986,ISSN 1876-3804,（SCI 一区）

[4]Q. Sun et al., Security Enhanced Sentence Similarity Computing Model Based on Convolutional Neural Network, in IEEE Access, vol. 9, pp. 104183-104196, 2021, doi: 10.1109/ACCESS.2021.3099489.（SCI二区）

[5]Sun, Q., Du, C., Duan, Y. et al. Design and application of adaptive PID controller based on asynchronous advantage actor–critic learning method. Wireless Netw 27, 3537–3547 (2021). https://doi.org/10.1007/s11276-019-02225-x，(SCI三区)

[6]Sun, QF., Xu, JY., Zhang, HX. et al. Random noise suppression and super-resolution reconstruction algorithm of seismic profile based on GAN. J Petrol Explor Prod Technol 12, 2107–2119 (2022). https://doi.org/10.1007/s13202-021-01447-0  (SCI)

[7]孙歧峰,李娜,段友祥等.基于长短期记忆神经网络的随钻地层倾角解释方法[J].石油勘探与开发,2021,48(04):843-850.

[8]孙歧峰,段友祥,柳璠等.多阈值BIRCH聚类在相控孔隙度预测中的应用[J].石油地球物理勘探,2020,55(02):379-388+231-232.DOI:10.13810/j.cnki.issn.1000-7210.2020.02.017.（EI）

[9]孙歧峰,段友祥,李宁宁等.基于联合概率的构造等高线断线重建方法[J].断块油气田,2019,26(02):172-176.

[10]孙歧峰,段友祥,闫亚男等.随钻方位伽马测井仪器响应数值模拟研究[J].系统仿真学报,2018,30(11):4268-4275+4283.DOI:10.16182/j.issn1004731x.joss.201811027.

[11]孙歧峰,赵琰,段友祥等.复杂非均质地层的等值线生成算法研究[J].计算机应用研究,2019,36(05):1581-1584.DOI:10.19734/j.issn.1001-3695.2017.12.0834.

[12]孙歧峰,杜启振.任意广角波动方程频率—空间域叠前深度偏移成像[J].石油地球物理勘探,2011,46(06):890-896+1012+831.DOI:10.13810/j.cnki.issn.1000-7210.2011.06.015. （EI）

[13]孙歧峰,杜启振.多分量地震数据处理技术研究现状[J].石油勘探与开发,2011,38(01):67-73.

[14]孙歧峰,白清云.任意广角波动方程深度偏移参数优化分析[J].CT理论与应用研究,2011,20(01):29-38.

[15]段友祥,崔乐乐,孙歧峰等.波动方程正演引导的深度学习地震波形反演[J].石油地球物理勘探,2023,58(03):485-494.DOI:10.13810/j.cnki.issn.1000-7210.2023.03.001. （EI）

[16]段友祥,李根田,孙歧峰.卷积神经网络在储层预测中的应用研究[J].通信学报,2016,37(S1):1-9. （EI）

[17]段友祥,闫亚男,孙歧峰等.基于随钻方位伽马测井的地层倾角自动识别[J].测井技术,2018,42(05):514-520.DOI:10.16489/j.issn.1004-1338.2018.05.005.

[18]段友祥,徐冬胜,孙歧峰等.DBN在测井解释中的研究与应用[J].应用科学学报,2018,36(04):689-697.

[19]陈宁,段友祥,孙歧峰.跨模态检索研究文献综述[J].计算机科学与探索,2021,15(08):1390-1404.

[20]吴雪莹,段友祥,昌伦杰等.面向地质领域的实体关系联合抽取研究[J/OL].计算机工程:1-10[2023-08-09].DOI:10.19678/j.issn.1000-3428.0064077.

[21]杜承泽,段友祥,孙歧峰.基于ResUNet和Dense CRF模型的地震裂缝识别方法[J].应用科学学报,2021,39(03):367-377.

[22]段友祥,张含笑,孙歧峰等.基于拉普拉斯金字塔生成对抗网络的图像超分辨率重建算法[J].计算机应用,2021,41(04):1020-1026.

[23]段友祥,柳璠,孙歧峰等.基于相带划分的孔隙度预测[J].南京大学学报(自然科学),2019,55(06):934-941.DOI:10.13232/j.cnki.jnju.2019.06.006.

[24]段友祥,张洋弘,李洪强等.基于可信度分析的钻井液脉冲信号识别方法[J].石油钻探技术,2018,46(03):120-126.

[25]段友祥,曹婧,孙歧峰.自适应倾角导向技术在断层识别中的应用[J].岩性油气藏,2017,29(04):101-107.

[26]魏佳,段友祥,李卿等.面向地质导向的三维井筒可视化[J].计算机系统应用,2017,26(04):9-15.DOI:10.15888/j.cnki.csa.005729.

[27]孙歧峰,段友祥,李华昱等.基于成果导向的软件工程专业培养模式探索及实践[J].高等理科教育,2020(04):107-114.

1. 2015年,随钻测井数据实时远传系统研制与应用,东营市科学技术奖，一等奖（1位/9人）

发明专利：一种油藏地质剖面图矢量化方法发明人，CN107273608B
发明专利：一种基于多阈值Birch聚类的相控孔隙度预测方法，CN110443271A
发明专利：一种并行优化的强化学习自适应PID控制方法：CN108008627A