●2007.09－2011.07，中国石油大学（华东），石油工程，学士

●2012.05－2014.05，西弗吉尼亚大学，石油工程，硕士

●2014.09－2020.01，卡尔加里大学，石油工程，博士

●美国能源部，水平井水力压裂裂缝扩展与地层应力场模拟

●加拿大自然资源部，机器学习与人工智能提高非常规油气开采效率的研究

●7G油气公司，页岩气压裂效果评估

●加拿大自然资源部，深层油气井油气开采与地热开采一体化可行性评估

●Kong B，Chen Z H， Chen S N，et al. Machine learning-assisted production data analysis in liquid-rich Duvernay Formation[J]. Journal of Petroleum Science and Engineering，2021，200：108377.

●Kong B，Chen S N， Chen Z，et al. Bayesian probabilistic dual-flow-regime decline curve analysis for complex production profile evaluation[J]. Journal of Petroleum Science and Engineering，2020，195：107623.

●Kong B，Chen S N. Numerical simulation of fluid flow and sensitivity analysis in rough-wall fractures[J]. Journal of Petroleum Science and Engineering，2018，168：546-561.

●Kong B，Wang S H，Chen S N. Minimize formation damage in water-sensitive montney formation with energized fracturing fluid[J]. SPE Reservoir Evaluation & Engineering，2017，20（3）：562-571.

●Kong B，Fathi E，Ameri S. Coupled 3-D numerical simulation of proppant distribution and hydraulic fracturing performance optimization in Marcellus shale reservoirs[J]. International Journal of Coal Geolog，y2015，147：35-45.

非常规油气资源渗流机理复杂，开采工序繁杂，是一个多学科交叉的领域， 当前的非常规油气开采效率还有很大的提升空间。以大数据驱动的人工智能技术正在推动第四次工业革命，其有望推动油气开发行业进入智能化时代。以大数据为驱动的页岩油气产量机器学习模型将成为量化评估地质， 钻井， 完井及后期生产作业措施等关键因素敏感性的关键技术。这一技术的成功应用将有助于优化页岩油气资源开发中的关键影响因素并促进油气田智能化转型。

油气藏地质及开发工程国家重点实验室是我国油气工业上游领域第一个国家重点实验室，依托学科“石油与天然气工程”（A+学科）和“地质学”入选国家首批“双一流”建设学科。支撑的“工程学”“化学”“材料学”和“地球科学”等4个学科进入ESI全球前1%。实验室为提高我国油气勘探开发技术创新能力、推动我国油气工业持续发展做出不可替代的重大贡献。