典型文献
基于集成时域卷积神经网络模型的水驱油田单井产量预测方法
文献摘要：
针对水驱油田单井产量变化大、预测难的问题,提出了一种基于时域卷积神经网络(TCN)的水驱油田单井产量预测方法,并进行实例验证.该方法从数据处理入手,依据注水井影响半径衡量油水井对应关系,增加油井当月受注水井影响程度为模型特征,构建随机森林模型填补水驱开发动态数据空缺,根据含水率将单井生产历程划分为低含水、中含水、高含水、特高含水4个阶段,基于TCN建立阶段预测模型,采用麻雀搜索算法(SSA)优化模型超参数,最终将4个阶段模型集成为全生命周期模型用于产量预测.大庆油田应用实践表明:①所用数据处理方法较常规数据处理方法更符合产量数据特点、数据集更具真实性和完备性;②TCN模型较长短时记忆网络(LSTM)等11种时间序列模型预测精度更高;③集成全生命周期模型较单一全生命周期模型可显著降低产量预测误差.
文献关键词：
单井产量预测;时域卷积神经网络;时间序列预测;水驱油藏
中图分类号：
作者姓名：
张蕾;窦宏恩;王天智;王洪亮;彭翼;张继风;刘宗尚;米兰;蒋丽维
作者机构：
中国石油勘探开发研究院,北京100083;大庆油田勘探开发研究院,黑龙江大庆163000
文献出处：
引用格式：
[1]张蕾;窦宏恩;王天智;王洪亮;彭翼;张继风;刘宗尚;米兰;蒋丽维-.基于集成时域卷积神经网络模型的水驱油田单井产量预测方法)[J].石油勘探与开发,2022(05):996-1004
A类：
时域卷积神经网络
B类：
卷积神经网络模型,水驱油田,田单,单井产量预测,产量变化,TCN,理入,注水井,影响半径,油水井,加油,油井,当月,模型特征,随机森林模型,补水,水驱开发,动态数据,空缺,特高含水,麻雀搜索算法,SSA,超参数,终将,模型集成,全生命周期模型,大庆油田,油田应用,数据处理方法,完备性,长短时记忆网络,时间序列模型,低产量,预测误差,时间序列预测,水驱油藏
AB值：
0.253739
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。
