简历：　

陈梅，汉族，中共党员。长江大学地球科学学院特任副教授，长大学者“青年优秀人才”。油气田开发地质方向，主要从事储层表征与建模、深水沉积等研究工作，重点围绕“重力流-底流混合沉积体系”开展了沉积构型研究。

研究方向：

储层表征与建模；深水沉积。目前研究聚焦于重力流-底流混合沉积体系方面的研究。

工作及教育经历：

2014年09月-2018年06月，获长江大学 地球科学学院 资源勘查工程专业 学士；

2018年09月-2024年09月，获中国石油大学（北京） 地球科学学院 地质资源与地质工程专业 博士学位（硕博连读），导师吴胜和教授；

（2022年09月-2024年09月，德国不来梅大学 & MARUM研究所 联合培养博士，中国留学基金委资助）

2024年10月-至今，在长江大学地球科学学院任教，现任特聘副教授。

近五年承担科研项目情况：

长江大学“油气资源与勘探技术”教育部重点实验室开放基金：重力流-底流作用下的海底扇朵叶沉积构型与沉积动力学机制研究，2024-2026，主持；

Collaborative project with Elda Miramontes (Uni Bremen & MARUM): Characterizing a turbidite system in Canterbury Basin, SE New Zealand, using 3D, 2D seismic and wells，2023-，主持；

中石油勘探开发研究院项目：莫桑比克4区OLE砂体构型及储层质量研究，2021-2022，研究骨干。

获奖情况：

获奖人：陈梅，第四届全国油气地质大赛综合组，全国一等奖，2020年。

国际会议：

Mei Chen, Shenghe Wu, Jiajia Zhang, Elda Miramontes. Sedimentary architecture of submarine lobes affected by bottom currents: Insights from the Rovuma Basin offshore East Africa，Bouma 2023 - 1^st In-Person Bouma Deep Water Geoscience Conference, Utrecht, Netherlands

Mei Chen, Shenghe Wu. Predicting the Distribution of Subsurface Sedimentary Facies Using Self-Attention Generative Adversarial Networks (SAGANs), IMAGE 2021 - International Meeting for Applied Geoscience & Energy, Online

第一作者论文：（*为通讯作者）

1. Chen, Mei, Shenghe Wu*, Ruifeng Wang, Jiajia Zhang, Pengfei Xie, Min Wang, Xiaofeng Wang, Qicong Xiong, Jitao Yu, and Elda Miramontes. "Sedimentary architecture of submarine lobes affected by bottom currents: Insights from the Rovuma Basin offshore East Africa." Basin Research 36, no. 1 (2024): e12829. https://doi.org/10.1111/bre.12829

2. Chen, Mei, Sheng-He Wu*, Rui-Feng Wang, Jia-Jia Zhang, Peng-Fei Xie, Min Wang, Xiao-Feng Wang, Ji-Tao Yu, and Qi-Cong Xiong. "Sedimentary architecture of submarine channel-lobe systems under different seafloor topography: Insights from the Rovuma Basin offshore East Africa." Petroleum Science 21, no. 1 (2024): 125-142. https://doi.org/10.1016/j.petsci.2023.11.021

3. Chen, Mei, Shenghe Wu*, Heather Bedle, Pengfei Xie, Jiajia Zhang, and Yunlong Wang. "Modeling of subsurface sedimentary facies using self-attention generative adversarial networks (SAGANs)." Journal of Petroleum Science and Engineering 214 (2022): 110470.https://doi.org/10.1016/j.petrol.2022.110470