基于聚类及长短时记忆神经网络预测油田产量

基于聚类及长短时记忆神经网络预测油田产量
王洪亮;林霞;蒋丽维;刘宗尚
【期刊名称】《石油科学通报》
【年(卷),期】2024(9)1
【摘要】利用机器学习方法预测油田产量的精度与训练样本的代表性及数量息息
相关。

通常,采用油田生产数据或者油井生产数据构建训练样本。

将油田作为训练
样本,存在“小样本”的问题;将油井作为训练样本,由于老油田一般具有开发层系多、生产历史长、油井投产批次多等特点,人工标注能够代表油田产量递减规律的训练
样本难度大,且耗时费力。

本文将油田和油井生产数据有机融合构建训练样本,建立
产量智能预测模型,预测油田产量。

首先,采用无监督学习的K均值聚类算法,依据有效厚度、孔隙度、渗透率、饱和度等信息对油井进行聚类分析,识别产量递减类别,
并将每类油井转换成一口典型油井作为该类油井的代表;其次,将典型井作为预测对象,通过从每类油井中按比例随机抽取油井来增加训练样本数量,即将典型井和油井
生产数据融合构建训练样本;最后,基于长短时记忆循环神经网络建立模型预测典型
井产量,进而预测油田产量。

研究结果表明:该方法既解决了油田数据作为训练样本
的“小样本”问题,又降低了油井数据作为训练样本的标注难度与工作量,并且精度
符合现场生产要求,对油气产量智能预测的工程化落地应用具有一定指导意义。

【总页数】11页(P62-72)
【作者】王洪亮;林霞;蒋丽维;刘宗尚
【作者单位】中国石油勘探开发研究院
【正文语种】中文
【中图分类】TE3
【相关文献】
1.基于改进果蝇算法和长短期记忆神经网络
的油田产量预测模型2.基于循环神经网络的油田特高含水期产量预测方法3.基于长短时记忆神经网络模型的油井产量预测方法4.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5.基于循环神经网络和数据差分处理的油田产量预测方法
因版权原因，仅展示原文概要，查看原文内容请购买。