基于循環神經網絡的油田特高含水期產量預測方法

作者：王洪亮,穆龍新,時付更,竇宏恩

摘要：根據油田生產歷史數據利用深度學習方法預測油田特高含水期產量,并進行了實驗驗證和應用效果分析。考慮到傳統全連接神經網絡(FCNN)無法描述時間序列數據的相關性,基于一種循環神經網絡(RNN)即長短期記憶神經網絡(LSTM)來構建油田產量預測模型。該模型不僅考慮了產量指標與其影響因素之間的聯系,還兼顧了產量隨時間變化的趨勢和前后關聯。利用國內某中高滲透砂巖水驅開發油田生產歷史數據進行特高含水期產量預測,并與傳統水驅曲線方法和FCNN的預測結果比較,發現基于深度學習的LSTM預測精度更高,針對油田生產中復雜時間序列的預測結果更準確。利用LSTM模型預測了另外兩個油田的月產油量,預測結果較好,驗證了方法的通用性。

發文機構：中國石油勘探開發研究院

關鍵詞：產量預測特高含水期機器學習長短期記憶神經網絡人工智能production predictionultra-high water cutmachine learningLong Short-Term Memoryartificial intelligence

分類號： TP392[自動化與計算機技術—計算機應用技術]