近日，我院李平教授团队在压裂与人工智能交叉研究方面取得重要进展，相关研究论文“Graph Regression for Pressure Peak Prediction in Fracturing Processes”在石油工程顶级期刊《Journal of Petroleum Science and Engineering》上发表。该论文提出一种基于图表示学习的无参回归模型，用于预测压裂施工中周期性注水引发的井口压力变化峰值。由于模型不需要任何参数学习，与统计机器学习模型及基于循环神经网络的序列预测模型相比，在准确性和预测时效性上具有显著优势，可满足实际生产中的快速有效预测，为时间序列预测问题提供了一种新思路。

皇家永利为论文第一署名单位，我院研究生张巍为第一作者，李平老师为通讯作者，该研究得到国家自然科学基金、皇家永利重点研发计划、学校青年创新团队及创新基地等项目的资助。

《Journal of Petroleum Science and Engineering》期刊主要刊发油藏特征描述及动态建模、油藏管理及评价、非常规油气资源、油气井工程、储层高效经济开发、人工智能、储层微观效应、水力压裂等几乎所有石油工程类的原创性文章、综述性文章及通讯文章。该期刊是石油工程领域著名学术期刊、中国科学院SCI分区工程技术石油小类1区TOP期刊，与《SPE Journal》期刊并列为国际石油工程领域仅有的两个TOP期刊（数据来源于Web of Science）。