首页 > 行业资讯 > 《天然气工业》第二届青年编委推送——卢泓方

《天然气工业》第二届青年编委推送——卢泓方

时间：2024-01-04 来源：浏览：

《天然气工业》第二届青年编委推送——卢泓方

天然气工业

天然气工业

微信号 tianranqigongye

功能介绍创刊于1981年，是由中国石油西南油气田公司、川庆钻探工程有限公司联合主办的学术期刊。关注地质勘探、开发工程、钻井工程、集输加工、安全环保、经济管理等多个领域。Ei检索、CSCD核心、中文核心、中国科技核心、入选中国科技期刊卓越行动计划。

卢泓方

1991 年生，东南大学副教授、硕导。

卢泓方， 《天然气工业》第一届、第二届青年编委。

国际地下资产管理研究所（ BAMI-I ）油气委员会主席、中国石油学会石油储运专业委员会青年工作部委员、江苏省复合材料学会青年工作委员会委员。入选全球前 2% 顶尖科学家“ 2022 年度科学影响力排行榜”。担任 Journal of Pipeline Science and Engineering 编委、 Tunnelling and Underground Space Technology 客座编辑、 Journal of Disaster Prevention and Dynamics 执行编辑、《油气储运》青年编委。

主要从事管道非开挖修复及状态评估科研和教学工作。先后负责 1 项省部级项目、多项开放性课题。荣获 2021 年“科创江苏”创新创业大赛新材料领域一等奖（第 3 ）。发表 SCI 论文 40 余篇（其中 ESI 高被引 4 篇、热点论文 1 篇）；个人 H -index 25 ， Google 学术引用 2900 余次。出版英文专著 1 部，参编国家 / 行业标准 2 部。

代表成果

[ 1] 卢泓方 , 吴晓南, Iseley, T., Matthews , J., & 彭善碧. (2018). 国外天然气管道非开挖安装, 修复及更换技术. 天然气工业, 38(3), 110-120.

[2]Lu, H., Xu, Z. D., Cheng, Y. F., Peng, H., Xi, D., Jiang, X., ... & Shan, Y. (2023). An inventory of greenhouse gas emissions due to natural gas pipeline in cidents in the United States and Canada from 1980s to 2021. Scientific Data, 10(1), 282.

[3] Lu, H., Xu, Z. D., Zang, X., Xi, D., Iseley, T., Matthews, J. C., & Wang, N. (2023). Leveraging Machine Learning for Pipeline Condition Assessment. Journal of Pipeline Systems Engineering and Practice- ASCE , 14(3), 04023024.

[4] Lu, H., Peng, H., Xu, Z. D., Qin, G., Azimi, M., Matthews, J. C., & Cao, L. (2023). Theory and Machine Learning Modeling for Burst Pressure Estimation of Pipeline with Multipoint Corrosion. Journal of Pipeline Systems Engineering and Practice-ASCE, 14(3), 04023022.

[5]Lu, H., Jiang, X., X u, Z. D., Ni, H., & Fu, L. (2023). Mechanical behavior of high-pressure pipeline installed through horizontal directional drilling under seismic loads. Tunnelling and Underground Space Technology, 136, 105073.

[6] Lu, H., Jiang, X., Xu, Z. D., Wang, N., & Iseley, T. (2023). Numerical study on mechanical properties of pipeline installed via horizontal directional drilling under static and dynamic traffic loads. Tunnelling and Underground Space Technology, 136, 105077.

[7]Lu, H., Peng, H., Xu, Z. D., Matthews, J. C., Wang, N., & Iseley, T. (2022). A feature selection–based intelligent framework for predicting maximum depth of corroded pipeline defects. Journal of Performance of Constructed F acilities-ASCE, 36(5), 04022044.

[8] Lu, H., Xu, Z. D., Iseley, T., & Matthews, J. C. (2021). Novel data-driven framework for predicting residual strength of corroded pipelines. Journal of Pipeline Systems Engineering and Practice-ASCE, 12(4), 04021045.