基于长短期记忆神经网络的油田新井产油量预测方法

• 作者: 侯春华
• 来源期刊: 油气地质与采收率
• 学科: 工学
• 关键词: 新井产油量预测 LSTM神经网络 网络训练 数据预处理 相关性
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 油气采收率
• 页码范围: 105-110
• 页数: 6页
• 分类号: TE32+8
• 字数: 5386字
• 语种: 中文
• DOI: 10.13673/j.cnki.cn37-1359/te.2019.03.014

摘要

针对油田常用人工智能产油量预测方法无法考虑数据在时间上相关性的问题,提出了采用基于长短期记忆(简称LSTM)神经网络的油田新井产油量预测方法.在分别介绍反向传播(简称BP)神经网络、循环神经网络(简称RNN)、LSTM神经网络原理以及建模步骤的基础上,以某油田新井单井年产油量预测为例,对影响新井单井年产油量的开发指标进行了筛选,对相应LSTM神经网络进行了训练,并对新井单井年产油量进行了预测.将预测结果与支持向量回归模型和BP神经网络进行了对比,结果表明,该预测模型拟合效果更好,预测精度更高.基于LSTM神经网络的预测方法可以作为一种新的人工智能方法用于油田新井产油量的预测,为准确预测油田新井产量,指导油田开发决策提供了一种新的方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	侯春华	中国石化胜利油田分公司勘探开发研究院	17	85	5.0	8.0