1.目前个人发表的一篇核心期刊文章 2.测井数据是油气田开发和评价的基础，对于地下储层地质建模和指导油气藏勘探具有重要意义。然而，由于实际开采过程中井径垮塌、仪器故障等原因往往导致整段甚至整条测井数据失真或缺失，而重新测井成本高昂，施工难度大。本文提出一种基于增强双向长短时记忆神经网络的测井数据重构方法，在不增加额外测量成本的情况下，充分考虑缺失数据点的前趋和后继之间的双向关联性，通过迭代更新策略完成整段缺失数据块的重构。对比循环神经网络、长短时记忆神经网络及双向长短时记忆神经网络，实验表明提出的方法具有更好的数据重构精确度。

1.项目来源于中国石油西南油气田公司委托科研项目，目前已经完全实现 2.项目主要所做的是对工地的一个安全性实时监测，从深度学习的角度出发，基于大量的实际工地生产样本 设计专门的安全帽、指示牌、人员入侵检测、人群计数、火焰检测等深度模型，构建多点关联分析的异常事件自动预警，实现事件驱动的监控视频选择性存储以及异常行为事件约束的关联检索。 2.平台通过接入视频监控、作业区、报警检测等系统的设备，获取边缘节点数据，实现井站作业区信息化集成与联动，以电子地图为载体，融合各系统能力实现丰富的智能应用，现场通过消息中间件ROCKETMQ进行算法和系统后台的数据交互，实现统一部署、统一分析、统一预警以及统一调度。

1.主要利用yolo5作为目标检测算法结合HSV模型，判断施工现场是否有指挥人员在现场指挥工作并对突发事件及时预警，有效减少因指挥人员行为异常所造成的起重事故的发生。 2.小目标检测，对施工人员是否佩戴安全帽以及施工现场是否摆放警示牌进行检测，主要利用yolo5算法，通过提取小目标HOG特征，然后利用svm进行分类。