基于循环神经网络的油田特高含水期产量预测方法

• 作者: 时付更 王洪亮 穆龙新 窦宏恩
• 来源期刊: 石油勘探与开发
• 学科: 工学
• 关键词: 产量预测 特高含水期 机器学习 长短期记忆神经网络 人工智能
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 油气田开发
• 页码范围: 1009-1015
• 页数: 7页
• 分类号: TP392
• 语种: 中文
• DOI: 10.11698/PED.2020.05.15

摘要

根据油田生产历史数据利用深度学习方法预测油田特高含水期产量,并进行了实验验证和应用效果分析.考虑到传统全连接神经网络(FCNN)无法描述时间序列数据的相关性,基于一种循环神经网络(RNN)即长短期记忆神经网络(LSTM)来构建油田产量预测模型.该模型不仅考虑了产量指标与其影响因素之间的联系,还兼顾了产量随时间变化的趋势和前后关联.利用国内某中高渗透砂岩水驱开发油田生产历史数据进行特高含水期产量预测,并与传统水驱曲线方法和FCNN的预测结果比较,发现基于深度学习的LSTM预测精度更高,针对油田生产中复杂时间序列的预测结果更准确.利用LSTM模型预测了另外两个油田的月产油量,预测结果较好,验证了方法的通用性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	穆龙新		56	944	17.0	29.0
2	王洪亮		17	82	6.0	9.0
3	窦宏恩		31	420	9.0	20.0
4	时付更		8	50	4.0	7.0