典型文献
基于CNN-BiGRU混合神经网络的电潜螺杆泵产液量预测方法
文献摘要：
为了解决电潜螺杆泵产液量虚拟计量的预测精度和稳定性,提出了一种基于双重注意力机制的卷积神经网络(CNN)和门控循环单元(GRU)混合模型(CNN-BiGRU).油井产量预测易受油压、套压及泵工况等因素的影响,先利用皮尔逊相关系数和主成分分析法对数据进行降维,并确定主要影响因素;再利用CNN网络的局部连接和全局共享来提取历史油井产液量的空间特征;然后将特征送入GRU网络,提取数据的时间特征;最后利用双重注意力机制为不同的特征赋值对应的权值,进一步提升模型的预测精准度.将该方法应用到50000条产液量数据样本上,模型预测精准度RMSE和MAPE分别取得5.24％、3.17％.与GRU、CNN-GRU模型相比,所提方法应用效果显著,能有效提升预测精度,具有一定的工程应用价值.
文献关键词：
电潜螺杆泵;产液量预测;混合神经网络;双重注意力机制;卷积神经网络;门控循环单元网络
中图分类号：
作者姓名：
贾俊杰;刘春海;管桐;王进修;刘俊东;刘金亮;郝大勇
作者机构：
中国石油华北油田分公司工程技术研究院;中国石油华北油田分公司巴彦勘探开发分公司;中国石油冀东油田分公司储气库建设项目部
文献出处：
引用格式：
[1]贾俊杰;刘春海;管桐;王进修;刘俊东;刘金亮;郝大勇-.基于CNN-BiGRU混合神经网络的电潜螺杆泵产液量预测方法)[J].石油钻采工艺,2022(06):784-790
A类：
电潜螺杆泵,产液量预测
B类：
BiGRU,混合神经网络,双重注意力机制,混合模型,油井产量,产量预测,油压,套压,泵工况,皮尔逊相关系数,局部连接,空间特征,送入,提取数据,时间特征,特征赋值,权值,RMSE,MAPE,门控循环单元网络
AB值：
0.214997
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。
