张江江博士、教授

本科和博士皆毕业于浙江大学，主要从事水文系统数值建模、深度学习和数据同化等方面的研究。在Water Resources Research（WRR），Journal of Hydrology（JoH）等水文水资源领域主流期刊发表多篇论文，其中在本领域顶级期刊WRR发表第一作者论文8篇，主持或参与中国博士后科学基金、国家自然科学基金等多个项目。担任WRR、JoH等期刊审稿人。

教育经历

• 2011.08 – 2017.06：浙江大学，土壤学，博士
• 2007.09 – 2011.06：浙江大学，资源环境科学，学士

工作经历

• 2020.08 – 至今：河海大学长江保护与绿色发展研究院，教授
• 2017.07 – 2020.07：浙江大学，博士后
• 2016.05 – 2016.12：美国普渡大学数学系，访问学者
• 2015.11 – 2016.05：美国西北太平洋国家实验室，访问学者

研究方向

• 水文系统数值建模
• 深度学习
• 数据同化

代表性论著

• Zhang, J., Zeng, L., Chen, C., Chen, D., & Wu, L. (2015). Efficient Bayesian experimental design for contaminant source identification. Water Resources Research, 51(1), 576–598. https://doi.org/10.1002/2014WR015740
• Zhang, J., Li, W., Zeng, L., & Wu, L. (2016). An adaptive Gaussian process-based method for efficient Bayesian experimental design in groundwater contaminant source identification problems. Water Resources Research, 52(8), 5971–5984. https://doi.org/10.1002/2016WR018598
• Zhang, J., Man, J., Lin, G., Wu, L., & Zeng, L. (2018). Inverse Modeling of Hydrologic Systems with Adaptive Multifidelity Markov Chain Monte Carlo Simulations. Water Resources Research, 54(7), 4867–4886. https://doi.org/10.1029/2018WR022658
• Zhang, J., Vrugt, J. A., Shi, X., Lin, G., Wu, L., & Zeng, L. (2020). Improving simulation efficiency of MCMC for inverse modeling of hydrologic systems with a kalman‐inspired proposal distribution. Water Resources Research, 56(3). https://doi.org/10.1029/2019WR025474
• Zhang J, Zheng Q, Wu L, Zeng L.(2020). Using Deep Learning to Improve Ensemble Smoother: Applications to Subsurface Characterization. Water Resources Research. 56(12), e2020WR027399. https://doi.org/10.1029/2020WR027399