近日，我校計科院李平教授團隊在壓裂與人工智能交叉研究方面取得重要進展，相關研究論文“Graph Regression for Pressure Peak Prediction in Fracturing Processes”在國際石油工程知名期刊《Journal of Petroleum Science and Engineering》上發表。該論文提出一種基于圖表示學習的無參回歸模型，用于預測壓裂施工中周期性注水引發的井口壓力變化峰值。由于模型不需要任何參數學習，與統計機器學習模型及基于循環神經網絡的序列預測模型相比，在準確性和預測時效性上具有顯著優勢，可滿足實際生產中的快速有效預測，為時間序列預測問題提供了一種新思路。
我校為論文第一署名單位，計科院研究生張巍為第一作者，李平教授為通訊作者，該研究得到國家自然科學基金、四川省重點研發計劃、學校青年創新團隊及創新基地等項目的資助。
《Journal of Petroleum Science and Engineering》期刊主要刊發油藏特征描述及動態建模、油藏管理及評價、非常規油氣資源、油氣井工程、儲層高效經濟開發、人工智能、儲層微觀效應、水力壓裂等幾乎所有石油工程類的原創性文章、綜述性文章及通訊文章。該期刊是石油工程領域著名學術期刊、中國科學院SCI分區工程技術石油小類1區TOP期刊，目前影響因子（IF）為 4.346，與《SPE Journal》期刊并列為國際石油工程領域僅有的兩個TOP期刊（數據來源于Web of Science）。
