根據(jù)油田生產(chǎn)歷史數(shù)據(jù)利用深度學(xué)習(xí)方法預(yù)測油田特高含水期產(chǎn)量,并進(jìn)行了實(shí)驗(yàn)驗(yàn)證和應(yīng)用效果分析�？紤]到傳統(tǒng)全連接神經(jīng)網(wǎng)絡(luò)(FCNN)無法描述時(shí)間序列數(shù)據(jù)的相關(guān)性,基于一種循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)即長短期記憶神經(jīng)網(wǎng)絡(luò)(LSTM)來構(gòu)建油田產(chǎn)量預(yù)測模型。該模型不僅考慮了產(chǎn)量指標(biāo)與其影響因素之間的聯(lián)系,還兼顧了產(chǎn)量隨時(shí)間變化的趨勢和前后關(guān)聯(lián)。利用國內(nèi)某中高滲透砂巖水驅(qū)開發(fā)油田生產(chǎn)歷史數(shù)據(jù)進(jìn)行特高含水期產(chǎn)量預(yù)測,并與傳統(tǒng)水驅(qū)曲線方法和FCNN的預(yù)測結(jié)果比較,發(fā)現(xiàn)基于深度學(xué)習(xí)的LSTM預(yù)測精度更高,針對油田生產(chǎn)中復(fù)雜時(shí)間序列的預(yù)測結(jié)果更準(zhǔn)確。利用LSTM模型預(yù)測了另外兩個(gè)油田的月產(chǎn)油量,預(yù)測結(jié)果較好,驗(yàn)證了方法的通用性。圖3表3參40

【文章頁數(shù)】：7 頁

【文章目錄】：
0 引言
1 原理與方法
    1.1 長短期記憶神經(jīng)網(wǎng)絡(luò)
    1.2 特征選擇
2 數(shù)據(jù)預(yù)處理與模型訓(xùn)練
    2.1 影響因素分析
    2.2 數(shù)據(jù)標(biāo)準(zhǔn)化
    2.3 樣本集構(gòu)造
        2.3.1 特征向量構(gòu)造
        2.3.2 時(shí)間序列化數(shù)據(jù)構(gòu)造
        2.3.3 樣本數(shù)據(jù)集構(gòu)造
        2.3.4 數(shù)據(jù)集劃分
    2.4 評價(jià)指標(biāo)
    2.5 模型訓(xùn)練與自動(dòng)調(diào)優(yōu)
        2.5.1 模型訓(xùn)練
        2.5.2 參數(shù)自動(dòng)調(diào)優(yōu)
3 結(jié)果與討論
    3.1 實(shí)驗(yàn)結(jié)果
    3.2 討論
4 結(jié)語
符號注釋：



本文編號：3871180