地科學院碩士研究生李冰環在江山副教授的指導下，在期刊《APPLIED SCIENCES》上發表題為‘Reservoir Fluid PVT High-Pressure Physical Property Analysis Based on Graph Convolutional Network Model’的研究論文。

由于傳統實驗室測量和理論模型預測方法存在的局限性，本研究引入了圖卷積網絡（GCN）模型，采用增強的ChebNet模型，以分析出高壓物性參數間的複雜關系。通過構建無向圖表示高壓物性參數及其相互關系，應用切比雪夫多項式逼近和矩陣乘積運算優化的ChebNet模型，實現了對泡點壓力、體積系數、原油粘度等關鍵參數的精确預測。實驗結果表明，本文引入增強ChebNet模型，相比一次線性回歸、線性判别、随機森林和普通ChebNet模型，在評價指标上均展現出顯著優勢，AUC值也達到最優。本文為油氣藏流體PVT高壓物性分析提供了新的視角和方法，為圖卷積網絡在油氣勘探開發領域的應用探索了新的可能。

論文鍊接：https://doi.org/10.3390/app15042209

表1.油氣藏流體PVT高壓物性參數

圖2. PVT高壓物性分析設備連接示意圖

圖3 多種模型的AUC結果對比