基于集成时域卷积神经网络模型的水驱油田单井产量预测方法
针对水驱油田单井产量变化大、预测难的问题,提出了一种基于时域卷积神经网络(TCN)的水驱油田单井产量预测方法,并进行实例验证.该方法从数据处理入手,依据注水井影响半径衡量油水井对应关系,增加油井当月受注水井影响程度为模型特征,构建随机森林模型填补水驱开发动态数据空缺,根据含水率将单井生产历程划分为低含水、中含水、高含水、特高含水4个阶段,基于TCN建立阶段预测模型,采用麻雀搜索算法(SSA)优化模型超参数,最终将4个阶段模型集成为全生命周期模型用于产量预测.大庆油田应用实践表明:①所用数据处理方法较常规数据处理方法更符合产量数据特点、数据集更具真实性和完备性;②TCN模型较长短时记忆网络(LSTM)等11种时间序列模型预测精度更高;③集成全生命周期模型较单一全生命周期模型可显著降低产量预测误差.
单井产量预测、时域卷积神经网络、时间序列预测、水驱油藏
49
TE312(油气田开发与开采)
中国石油天然气股份有限公司重大统建项目2019-40210-000020-02
2022-10-19(万方平台首次上网日期,不代表论文的发表时间)
共9页
996-1004