基于长短时记忆神经网络模型的油井产量预测方法

摘要：

本文利用长短时记忆神经网络模型,借助其具有长期时间序列记忆的能力,以油井产油量为目标函数,以有效厚度、渗透率、原油黏度三个储层流体参数作为静态约束条件,以油压、井底流压、含水率、气油比、日产液五个生产参数作为动态约束条件,建立综合考虑多种动静态参数影响的油井产量预测模型.应用实例表明,该模型可以较准确预测油井产量,平均综合误差为4.78％.通过敏感性分析,进一步讨论了模型重要参数(隐藏层节点数、学习率、训练步数)不同取值范围对输出结果的影响规律.该模型的建立及参数影响规律认识对于指导长短时记忆神经网络数据挖掘算法在油井产量预测中的快速应用具有重要意义.

关键词：长短时记忆神经网络;数据挖掘算法;油井产量预测;敏感性分析

所属期刊栏目：40

分类号：TE155(石油、天然气地质与勘探)

资助基金：中国海洋石油有限公司科技项目"地质油藏大数据深度挖掘及应用研究",项目编号:2020-YXKJ-005

在线出版日期：2021-11-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：44-47