油田產量精確預測對油田高效生產開發(fā)具有重要意義,而目前常用的DCA方法(PLE模型、SEPD模型、Arps模型)不能夠充分挖掘數(shù)據(jù)前后關聯(lián),會導致預測出現(xiàn)偏差。為此,提出了一種基于門限遞歸單元循環(huán)神經網絡模型(GRU-RNN模型)的預測底水稠油油藏產量的新方法。GRU-RNN模型預測平均誤差為3.03%,準確度高于DCA方法(PLE、SEPD、Arps模型的平均誤差分別為29.51%、32.98%、38.76%)。該方法為油田產量預測提供了除經驗公式及數(shù)值模型方法之外的新思路。

【文章頁數(shù)】：6 頁

【文章目錄】：
引 言
1 GRU-RNN模型
    1.1 遞歸神經網絡
    1.2 GRU模型對RNN模型的改進
2 實驗數(shù)據(jù)選取及處理
    2.1 輸入歷史數(shù)據(jù)集預處理
    2.2 模型評價指標的選擇
3 GRU模型訓練
4 實例驗證與結果分析
5 結 論



本文編號：3787909