基于GRU循环神经网络的稠油油藏产量预测新方法

摘要：

油田产量精确预测对油田高效生产开发具有重要意义,而目前常用的DCA方法(PLE模型、SEPD模型、Arps模型)不能够充分挖掘数据前后关联,会导致预测出现偏差.为此,提出了一种基于门限递归单元循环神经网络模型(GRU-RN N模型)的预测底水稠油油藏产量的新方法.GRU-RN N模型预测平均误差为3.03％,准确度高于DCA方法(PLE、SEPD、Arps模型的平均误差分别为29.51％、32.98％、38.76％).该方法为油田产量预测提供了除经验公式及数值模型方法之外的新思路.

关键词：产量预测、稠油油藏、神经网络、数值模拟、GRU-RNN5模型

所属期刊栏目：35

分类号：TE328(油气田开发与开采)

资助基金："十三五"国家科技重大专项"基于非线性渗流的海上砂岩稠油油藏剩余油精细表征研究"2016ZX05025 -001 -005

在线出版日期：2020-06-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：54-59