基于长短时记忆神经网络模型的油井产量预测方法

作者：卢川; 宋来明; 董银涛; 陈冠中; 段锐

来源：石油化工应用, 2021, 40(10): 44-47.

• 长短时记忆神经网络
• 数据挖掘算法
• 油井产量预测
• 敏感性分析

本文利用长短时记忆神经网络模型,借助其具有长期时间序列记忆的能力,以油井产油量为目标函数,以有效厚度、渗透率、原油黏度三个储层流体参数作为静态约束条件,以油压、井底流压、含水率、气油比、日产液五个生产参数作为动态约束条件,建立综合考虑多种动静态参数影响的油井产量预测模型。应用实例表明,该模型可以较准确预测油井产量,平均综合误差为4.78%。通过敏感性分析,进一步讨论了模型重要参数(隐藏层节点数、学习率、训练步数)不同取值范围对输出结果的影响规律。该模型的建立及参数影响规律认识对于指导长短时记忆神经网络数据挖掘算法在油井产量预测中的快速应用具有重要意义。

• 单位
  中海油研究总院有限责任公司