基于LSTM的油田产油量预测方法技术

本发明专利技术提供一种基于LSTM的油田产油量预测方法，该基于LSTM的油田产油量预测方法包括：步骤1，采用Pearson相关性分析来衡量油田数据的线性相似度，以筛选出合适的输入变量；步骤2，对每个变量进行级差标准化处理；步骤3，采用双LSTM层的神经网络模型，进行网络训练；步骤４，将训练好的模型用于预测新井单井年产油量，根据标准化的过程，将预测变量逆向还原后与实际值对比。该基于LSTM的油田产油量预测方法预测范围广、拟合效果较好，预测精度在95%以上；能够更为准确、有效地预测油田产油量，对油田开发决策及生产投资具有重要意义。

【技术实现步骤摘要】
基于LSTM的油田产油量预测方法
本专利技术涉及油田开发
，特别是涉及到一种基于LSTM的油田产油量预测方法。
技术介绍
油田产油量预测，目前有很多方法。如，Levenberg-Marquardt算法、LS-SVM-GA算法、主成分分析和最小二乘支持向量机和多元混沌时间序列等，都已经被应用到实际的预测当中，但这些方法一般都没有考虑工作量也就是新井开井数和措施总井数对新井单井年产油和措施单井次年增油的影响。而实际中，新井或措施井的工作量也会对产油效果产生影响，在规划期内，随着工作量的增加，井网密度也不断增加，单井的产油或增油效果往往也会随之下降。所以，在对新井单井年产油和措施单井次年增油进行预测时，需要考虑工作量的影响，而总产油量与新井开井数或者措施总井数之间，存在的并非是线性关系，而是一种复杂的非线性关系。面对复杂的非线性和动态关系，传统建模和指标预测方法存在预测范围有限、预测精度不高、对样本数据拟合程度低等局限性。为此我们专利技术了一种新的基于长短期记忆LSTM的油田产油量预测方法，解决了以上技术问题。
技术实现思路
本专利技术的目的是提供一种可以对油田产油量进行多元时间序列预测本文档来自技高网...

【技术保护点】
1.基于LSTM的油田产油量预测方法，其特征在于，该基于LSTM的油田产油量预测方法包括：步骤1，采用Pearson相关性分析来衡量油田数据的线性相似度，以筛选出合适的输入变量；步骤2，对每个变量进行级差标准化处理；步骤3，采用双LSTM层的神经网络模型，进行网络训练；步骤4，将训练好的模型用于预测新井单井年产油量，根据标准化的过程，将预测变量逆向还原后与实际值对比。

【技术特征摘要】
1.基于LSTM的油田产油量预测方法，其特征在于，该基于LSTM的油田产油量预测方法包括：步骤1，采用Pearson相关性分析来衡量油田数据的线性相似度，以筛选出合适的输入变量；步骤2，对每个变量进行级差标准化处理；步骤3，采用双LSTM层的神经网络模型，进行网络训练；步骤4，将训练好的模型用于预测新井单井年产油量，根据标准化的过程，将预测变量逆向还原后与实际值对比。2.根据权利要求1所述的基于LSTM的油田产油量预测方法，其特征在于，在步骤1中，Pearson相关系数的绝对值越接近1，两个变量之间的相关程度越高；Pearson相关系数越接近0，两个变量之间的相关程度越弱。3.根据权利要求1所述的基于LSTM的油田产油量预测方法，其特征在于，在步骤1中，采用Pearson相关性分析筛选出两个合适的输入变量X、Y；变量X、Y的Pearson相关系数r计算公式如下：其中xi、yi分别为变量X、Y的第i个样本点，N为样本数量。4.根据权利要求1所述的基于LSTM的油田产油量预测方法，其特征在于，在步骤2中，为了消除各个变量之间的不同量纲并加快模型训练速度，对每个变量进行级差标准化处理，映射到(0,1)区间，最终进入模型的数据被重...

【专利技术属性】
技术研发人员：魏新辉，王滨，侯春华，赵伟，邴绍献，肖武，尹忠祥，李东玻，梁保红，徐永春，
申请(专利权)人：中国石油化工股份有限公司，中国石油化工股份有限公司胜利油田分公司勘探开发研究院，
类型：发明
国别省市：山东,37