基于长短期记忆神经网络的油田注水预测

作者：于志刚; 张德政; 宋文江; 葛嵩; 辛小军^*

来源：吉林大学学报(信息科学版), 2022, 40(01): 77-81.

DOI：10.19292/j.cnki.jdxxp.2022.01.008

• 注水预测
• 长短期记忆神经网络
• 循环神经网络
• 人工智能

为解决目前常用的人工智能注水预测无法考虑数据在时间上的相关性问题,通过选取一种基于循环神经网络(RNN:Recurrent Neural Network)改进的长短期记忆(LSTM:Long Short-Term Memory Neural Network)神经网络构建油田注水预测模型。该模型不仅能考虑到注水量和影响因素之间的联系,还能兼顾注水量随时间变化的趋势和前后关联。以国内某复杂断块油藏的注水预测为例,建立LSTM注水预测模型,对某单井一时段的注水量进行了预测,并与传统RNN建立的预测模型进行了对比。实验结果显示,该模型有着更为理想的预测效果,预测精度较高,能有效地提高油田注水预测的准确性。

• 单位
  中海石油（中国）有限公司湛江分公司; 中法渤海地质服务有限公司