基于数据挖掘的长短期记忆网络模型油井产量预测方法

特种油气藏

基于数据挖掘的长短期记忆网络模型油井产量预测方法

谷建伟¹，周梅¹，李志涛¹，贾祥军² ，梁颖²

（1.中国石油大学（华东），山东青岛 266580 2.中国石化胜利油田分公司，山东东营 257000）

出版日期:2019-04-25 发布日期:2019-05-28
作者简介:谷建伟（1971—），男，教授，1993年毕业于石油大学（华东）油藏工程专业，2005年毕业于中国海洋大学海洋地质专业，获博士学位，现从事油气田开发方面教学、科研工作。
基金资助:
国家科技重大专项“特高含水后期整装油田延长经济寿命期开发技术”（2016ZX05011-001）

Online:2019-04-25 Published:2019-05-28

摘要/Abstract

摘要： 传统的BP神经网络及其改进算法广泛应用于产量预测，但并不适宜时间序列预测问题。基于产油量变化的时间序列特征，提出利用长短期记忆网络（LSTM）深度学习模型实现具有长期记忆能力的时间序列预测，在描述LSTM神经网络的基本结构和算法原理基础上，阐述了样本数据处理，输入层、隐藏层和输出层节点数选择及表征方式，形成产量预测模型。实例应用表明，LSTM模型可以准确预测油井产量，整体平均误差约为1.46%，并指出无预兆停产、特殊情况以及部分数据量缺失是影响预测准确性的主要原因。该模型的提出对于大数据和深度学习在石油方面的应用研究具有重要意义。

关键词: 长短期记忆网络, 产量预测, 时间序列, 深度学习

谷建伟，周梅，李志涛，贾祥军,梁颖. 基于数据挖掘的长短期记忆网络模型油井产量预测方法[J]. 特种油气藏.

[1]	庞兰苏, 王杨, 蒋薇, 王永生, 高国海, 王欣. 基于机器学习的短生产周期碳酸盐岩气井产量预测研究[J]. 特种油气藏, 2023, 30(2): 134-141.
[2]	何畅, 万玉金, 耿晓燕, 苏云河, 张晓伟. 页岩气水平井高产主控因素定量评价及应用[J]. 特种油气藏, 2021, 28(5): 113-119.
[3]	李陈. 煤层气藏非对称水力裂缝直井产能评价[J]. 特种油气藏, 2021, 28(2): 96-101.
[4]	陈雁, 焦世祥, 程超, 黄成, 蒋裕强. 基于自编码器的半监督隔夹层识别方法[J]. 特种油气藏, 2021, 28(1): 86-91.
[5]	孔鹏, 李忠城, 杨晨曦, 张云鹏, 汪若璇. 基于PCA-NB方法的煤层气井压后产量预测研究 [J]. 特种油气藏, 2019, 26(6): 108-112.
[6]	李海涛，王科，补成中，张庆，张砚. 预测页岩气单井产量及最终储量的经验法分析[J]. 特种油气藏, 2019, 26(3): 74-.
[7]	李陈，赵刚，陈丽群. 考虑基质收缩效应的煤层气藏产能评价[J]. 特种油气藏, 2019, 26(1): 106-.
[8]	庞进，李尚，刘洪，梁洁，赵子元. 基于流态划分的页岩气井产量预测可靠性分析[J]. 特种油气藏, 2018, 25(2): 60-.
[9]	刘刚，孙建博，尹锦涛. 改造瑞利模型在沁水煤层气产量预测中的应用[J]. 特种油气藏, 2017, 24(2): 145-.
[10]	李　陈，夏朝辉，汪　萍，赵一璇,张鸿妍. 平均递减指数在致密气储量评价中的应用[J]. 特种油气藏, 2015, 22(2): 105-.
[11]	尹洪军，张欢欢，杨春城，钟会影，曲鹏. 低渗透油藏预测模型和水驱曲线联解法及应用[J]. 特种油气藏, 2013, 20(6): 66-.
[12]	王志平朱维耀高英张玉广岳明. 水平井-直井整体压裂组合井网产量预测模型的建立与应用[J]. , 2012, 19(3): 1-.
[13]	王陶肖天君李洪刘俊峰张亮. 塔里木盆地H水驱砂岩油藏长期与短期产量预测方法[J]. , 2011, 18(2): 1-.
[14]	帅训波　周相广. 基于遗传算法的天然气产量预测研究[J]. , 2008, 15(1): 1-.
[15]	吕爱民　姚军. 裂缝性底水油藏含水率及产量变化规律研究[J]. , 2006, 13(5): 1-.

基于数据挖掘的长短期记忆网络模型油井产量预测方法

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价