科研之友
微信
新浪微博
Facebook
分享链接
摘要
实时可靠的汽窜时间预测方法可以为及时采取防治措施提供支持．结合深度学习算法以及油井自身动态数据的约束，提出一种预测稠油井汽窜时间的新方法．针对单一指标波动频繁，噪声大，以及无法准确表征汽窜时间等问题，根据油田实际注采数据，以参数组合的方式构建表征蒸汽窜流通道形成时间的指标参数，并结合变异系数-G1混合交叉赋权法融合成汽窜综合判识曲线．基于标准互信息的相似性度量方法选择合适的时间序列数据作为输入特征，以相应的汽窜综合判识曲线作为输出时间序列构建学习样本．采用序列到序列深度学习框架建立汽窜时间的预测模型进行实际预测，并与传统的机器学习方法进行对比，验证模型的有效性和优越性．该方法通过数据驱动的方式模拟了注采时间序列特征与汽窜判识曲线之间的映射关系，可有效提高汽窜时间预测的效率和精度，对汽窜智能预警具有一定指导意义．
- 单位
