典型文献
基于双层GRU神经网络的油田注水预测方法研究
文献摘要：
为达到精细注水的注采要求,利用两种不同隐层门控循环单元(GRU)神经网络模型的注水流量预测方法,同时借助国内某油田注水井的历史数据对两种不同隐层模型的预测结果进行了对比.结果表明:与传统的循环神经网络(RNN)和长短期记忆(LSTM)神经网络相比,GRU不仅拥有较好的预测性能,模型训练效率也更高;且双隐层结构较单隐层在模型的训练仿真和预测上有着更高的准确度,说明深层网络结构在信息的主要特征提取上更具优势,同时证明了GRU预测模型在油田注水流量预测方面的可行性和优越性.
文献关键词：
GRU神经网络;深度学习;流量预测精;细注水
中图分类号：
作者姓名：
于志刚;辛小军;范远洪;宋文江;张德政
作者机构：
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
文献出处：
引用格式：
[1]于志刚;辛小军;范远洪;宋文江;张德政-.基于双层GRU神经网络的油田注水预测方法研究)[J].化工自动化及仪表,2022(01):41-46
A类：
注水预测
B类：
GRU,油田注水,精细注水,门控循环单元,水流量,注水井,历史数据,层模型,循环神经网络,RNN,长短期记忆,预测性能,模型训练,训练效率,训练仿真,深层网络,流量预测精
AB值：
0.285228
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
