地科学院硕士研究生李冰环在江山副教授的指导下，在期刊《APPLIED SCIENCES》上发表题为‘Reservoir Fluid PVT High-Pressure Physical Property Analysis Based on Graph Convolutional Network Model’的研究论文。

由于传统实验室测量和理论模型预测方法存在的局限性，本研究引入了图卷积网络（GCN）模型，采用增强的ChebNet模型，以分析出高压物性参数间的复杂关系。通过构建无向图表示高压物性参数及其相互关系，应用切比雪夫多项式逼近和矩阵乘积运算优化的ChebNet模型，实现了对泡点压力、体积系数、原油粘度等关键参数的精确预测。实验结果表明，本文引入增强ChebNet模型，相比一次线性回归、线性判别、随机森林和普通ChebNet模型，在评价指标上均展现出显著优势，AUC值也达到最优。本文为油气藏流体PVT高压物性分析提供了新的视角和方法，为图卷积网络在油气勘探开发领域的应用探索了新的可能。

论文链接：https://doi.org/10.3390/app15042209

表1.油气藏流体PVT高压物性参数

图2. PVT高压物性分析设备连接示意图

图3 多种模型的AUC结果对比