职称职务

副教授

联
系
方
式

联系电话

Email

yuanyuanpu@cqu.edu.cn

联系地址

重庆市沙坪坝区沙正街174号
重庆大学A区资源与安全学院/400030

研究方向

1、岩石信号学与煤岩动力灾害2、矿山大数据与数据驱动方法

个人简历

2022.9~重庆大学，资源与安全学院，副教授

2019.12~2022.9重庆大学，资源与安全学院，讲师

2019.9~2019.12 University of Alberta,土木与环境工程学院，Research associate

2016.8~2019.9 University of Alberta,土木与环境工程学院，博士

2013.9~2016.6中国矿业大学，矿业工程学院，硕士

2009.9~2013.6中国矿业大学，孙越崎学院，本科

代表性研究项目

1、国家自然科学基金青年项目“渗流-应力耦合作用下岩体裂隙时序演化规律及全波形空间定位机制”（主持）

2、中央高校基本业务费“尾波岩石信号学基础与工程应用研究”（主持）

3、、企业委托项目“煤矿富水区智能分级监测及涌突水灾害预警”（主持）

4、国家重点研发计划“煤矿深部开采煤岩动力灾害防控技术研究”课题二（主研）

5、加拿大NSERC项目“Rock burst evaluation and prediction in Diavik diamond mine”（主研）

6、重庆市渝北区科技计划项目“基于3S多源数据驱动和深度学习的滑坡预警关键技术研究与应用”（主研）

代表性获奖

1、2020年度重庆市科技进步一等奖“矿区滑坡灾害诱发机制及智能化监测预警技术与应用”（8/15）

2、2021年重庆市科技进步一等奖“含瓦斯地层动力灾害智能监测-预警-防控一体化技术与应用”（4/15）

”

代表性专利

1、Dynamic and Static Coupling Method for Evaluating Coal Mine Hazards Based on Bayesian Method（排名2）

2、Method of Obtaining Elastic Strain Energy Based on Initial Point of Rock Fissure（排名3）

3、支架动态压力差指标实时确定与优化方法（排名2）

代表性专著、教材

无

代表性论文

1.Pu, Y*., Chen, J., Jiang, D. et al. (2022). Improved Method for Acoustic Emission Source Location in Rocks Without Prior Information.Rock Mech Rock Eng55, 5123–5137

2. Chen, J., Ye, Y.,Pu, Y*., Xu, W., & Mengli, D. (2022). Experimental study on uniaxial compression failure modes and acoustic emission characteristics of fissured sandstone under water saturation.Theoretical and Applied Fracture Mechanics, 119, 103359.

3. Chen, J., Zhu, C., Du, J.,Pu, Y*., Pan, P., Bai, J., & Qi, Q. (2022). A quantitative pre-warning for coal burst hazardous zones in a deep coal mine based on the spatio-temporal forecast of microseismic events.Process Safety and Environmental Protection, 159, 1105-1112.

4. Du, J., Chen, J.,Pu, Y*., Jiang, D., Chen, L., & Zhang, Y. (2021). Risk assessment of dynamic disasters in deep coal mines based on multi-source, multi-parameter indexes, and engineering application.Process Safety and Environmental Protection, 155, 575-586.

5.Pu, Y., Chen, J., & Apel, D. B. (2021). Deep and confident prediction for a laboratory earthquake.Neural Computing and Applications, 33(18), 11691-11701.

6.Pu, Y.,Apel, D. B., Liu, V., & Mitri, H. (2019). Machine learning methods for rockburst prediction-state-of-the-art review.International Journal of Mining Science and Technology, 29(4), 565-570.

7.Pu, Y., Apel, D. B., Szmigiel, A., & Chen, J. (2019). Image recognition of coal and coal gangue using a convolutional neural network and transfer learning.Energies, 12(9), 1735.

8.Pu, Y., Apel, D. B., & Xu, H. (2019). Rockburst prediction in kimberlite with unsupervised learning method and support vector classifier.Tunnelling and Underground Space Technology, 90, 12-18.

9.Pu, Y*., Apel, D. B., & Hall, R. (2020). Using machine learning approach for microseismic events recognition in underground excavations: Comparison of ten frequently-used models.Engineering Geology, 268, 105519.

10.陈结,杜俊生,蒲源源,等.冲击地压“双驱动”智能预警架构与工程应用[J].煤炭学报,2022,47(2):791-806.