本发明专利技术涉及油气田开发技术领域，为解决常规日产气量预测方法有对数据特征提取不充分、应用条件受限的问题，提供一种气井日产气量预测方法、确定装置、电子设备及存储介质，其中，方法包括下列步骤：S100、获取气井日产气量预测所需数据，建立数据集并进行数据清洗；S200、将数据集划分为训练集和测试集，确定模型初始超参数，建立LSTM气井日产气量预测模型；S300、利用麻雀搜索算法优化LSTM气井日产气量预测模型超参数，建立麻雀搜索算法优化LSTM的气井日产气量预测模型；S400、将测试集的数据输入麻雀搜索算法优化LSTM的气井日产气量预测模型，得到气井日产气量的预测结果；本发明专利技术所需时间少，计算精度高。计算精度高。计算精度高。
【技术实现步骤摘要】
气井日产气量预测方法、确定装置、电子设备及存储介质
[0001]本专利技术涉及油气田开发
，具体而言，涉及一种气井日产气量预测方法、确定装置、电子设备及存储介质。
技术介绍
[0002]我国的天然气储量丰富，有良好的开发前景。加快天然气的开发有利于我国能源清洁转型，是天然气工业的必然选择。其中，在气藏开发之前，做好产量的预测对气藏开发具有重要指导意义，它不仅可以检验勘探的效果，还有利于做好气藏的开发部署和规划。
[0003]目前，预测气井的日产气量的方法主要有经验公式法、解析方法和数值模拟法三种。经验公式和分析模型难以考虑气藏复杂的渗流特性，不同模型的应用条件和应用阶段不同，导致预测结果与实际储层特征差异较大。气井数值模拟的相关计算量大，历史拟合困难，产量预测效率低，结果不确定性大，故现场推广性一般。
[0004]综上所述，常规的日产气量的预测方法有对数据特征提取不充分、应用条件受限等缺点，针对这些不足日产气量预测需要提供新的思路。机器学习和深度学习广泛应用于多个领域，均取得了良好的效果。深度神经网络依托大量数据集和深层的网络结构，能够充分学习到数据的特征，使得预测结果具有较高的可信度。
技术实现思路
[0005]本专利技术目的是：为了解决常规方法确定气井日产气量效率低、准确性差，从而影响下一步开发方案的制定和工艺的应用情况，基于生产井生产历史数据，在机器学习原理的基础上建立了麻雀搜索算法优化LSTM的气井日产气量预测模型，实现对气井的日产气量的高效精准的预测。
[0006]为实现上述目的，本专利技术提供一种气井日产气量预测方法、确定装置、电子设备及存储介质，采用以下技术方案实现：本专利技术提供一种气井日产气量预测方法，该方法包括下列步骤：S100、获取气井日产气量预测所需要的气井生产日期、气井生产时长、油压、套压、井口管线输送压力、井口温度、日产水量七个参数及与其对应的气井日产气量，建立数据集，并对数据集进行数据清洗；S200、将数据集划分为训练集和测试集，确定模型初始的学习率、迭代次数和隐藏层节点个数，建立LSTM气井日产气量预测模型，利用训练集数据对建立的LSTM气井日产气量预测模型进行训练，用测试集的数据测试LSTM气井日产气量预测模型的预测精度；S300、利用麻雀搜索算法优化LSTM气井日产气量预测模型的学习率、迭代次数和隐藏层节点个数三个超参数，在优化的过程，不断用训练集和测试集的数据来训练和测试模型，把最优的模型训练对应的模型参数保留下来，然后利用得到的最优的模型参数和训练集的数据进行模型的训练，建立麻雀搜索算法优化LSTM的气井日产气量预测模型；S400、将训练集和测试集的数据输入麻雀搜索算法优化LSTM的气井日产气量预测
模型，得到气井日产气量的预测结果。
[0007]进一步的，所述步骤S100具体包括如下步骤：S101、提取气井生产日期、气井生产时长、油压、套压、井口管线输送压力、井口温度、日产水量及气井日产气量的历史数据；S102、剔除历史数据中的异常值和缺失值数据，并进行归一化处理；S103、根据气井生产日期将历史数据进行排序，创建输入模型的数据集，数据集的输入包括气井生产日期、气井生产时长、油压、套压、井口管线输送压力、井口温度、日产水量七个参数，数据集的输出为气井日产气量。
[0008]进一步的，所述步骤S300具体包括如下步骤：S301、初始化麻雀种群，设置麻雀种群总数量、发现者和加入者比例、最大迭代次数和安全值；S302、将均方根误差作为适应度函数，计算所有麻雀的适应度值，并排序，选出当前最优和最差的位置；S303、根据位置更新公式，更新发现者、加入者和预警麻雀的位置，得到第i个麻雀在第j维中的位置信息，并更新其适应度值；S304、判断是否达到最大迭代次数，满足则停止迭代，适应度值最低的麻雀的位置作为最优解，并输出结果，否则，重复执行上述S302到S303步骤。
[0009]进一步的，所述步骤S303中的位置更新公式包括：发现者的位置更新公式：；其中，t代表当前迭代数，j=1,2,3
…
,d；是一个常数，表示最大迭代次数；表示第i个麻雀在发生t+1次迭代时在第j维中的位置信息；表示第i个麻雀在发生t次迭代时在第j维中的位置信息；是一个随机数；和分别表示预警值和安全值；Q是服从正态分布的随机数；L为且每个元素都为1的矩阵；exp表示以e为底的指数函数；加入者的位置更新公式：；其中，表示第i个麻雀在发生t+1次迭代时在第j维中的位置信息；表示第i个麻雀在发生t次迭代时在第j维中的位置信息；表示发现者在发生t+1次迭代时在第j维中的最优位置信息，则表示当前全局最差的位置；Q是服从正态分布的随机数；L为
且每个元素都为1的矩阵；exp表示以e为底的指数函数；A为一个一行n维矩阵，矩阵内元素为1或者
‑
1，并且；预警麻雀的位置更新公式：；其中，表示第i个麻雀在发生t+1次迭代时在第j维中的位置信息；表示第i个麻雀在发生t次迭代时在第j维中的位置信息；表示发生t次迭代时当前的全局最优位置；表示发生t次迭代时当前的全局最差位置；作为步长控制参数，是服从均值为0，方差为1的正态分布的随机数；是一个随机数，则是当前麻雀个体的适应度值；和分别是当前全局最佳和最差的适应度值；是非零常数。
[0010]进一步的，所述步骤S300中，是否是最优的模型训练是根据均方根误差来判断的，均方根误差最小的对应最优的模型训练。
[0011]本专利技术进一步提供一种确定装置，包括：数据获取模块，用于获取目标数据集中的数据；预处理模块，用于对获取的目标数据集中的数据进行预处理，删除异常值，进行归一化；产量确定模块，用于根据目标数据集，利用麻雀搜索算法优化LSTM气井日产气量预测模型超参数，提升模型预测效果，确定目标气井的日产气量。
[0012]本专利技术进一步提供一种电子设备，包括：存储器、处理器、可在处理器中运行和可在存储器中存储的计算机程序、输入装置和输出装置，其中，处理器执行计算机程序时实现上述方法的步骤。
[0013]本专利技术进一步提供一种存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述方法的步骤。
附图说明
[0014]图1是本实施例提供的气井日产气量预测方法的流程图。
[0015]图2是本实施例提供的气井日产气量预测方法的步骤S100的流程图。
[0016]图3是本实施例提供的气井日产气量预测方法的步骤S300的流程图。
[0017]图4是本实施例提供的模型训练预测效果图。
[0018]图5是本实施例提供的模型测试预测效果图。
具体实施方式
[0019]下面结合实施方式和附图对本专利技术做进一步说明。
[0020]本实施例提供一种气井日产气量预测方法，如图1所示，该方法包括下列步骤：
S100、获取气井日产气量预测所需要的气井生产日期、气井生产时长、油压、套压、井口管线输送压力、井口温度、日产水量七个参数及与其对应的气井日产气量，本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种气井日产气量预测方法，其特征在于，该方法包括下列步骤：S100、获取气井日产气量预测所需要的气井生产日期、气井生产时长、油压、套压、井口管线输送压力、井口温度、日产水量七个参数及与其对应的气井日产气量，建立数据集，并对数据集进行数据清洗；S200、将数据集划分为训练集和测试集，确定模型初始的学习率、迭代次数和隐藏层节点个数，建立LSTM气井日产气量预测模型，利用训练集数据对建立的LSTM气井日产气量预测模型进行训练，用测试集的数据测试LSTM气井日产气量预测模型的预测精度；S300、利用麻雀搜索算法优化LSTM气井日产气量预测模型的学习率、迭代次数和隐藏层节点个数三个超参数，在优化的过程，不断用训练集和测试集的数据来训练和测试模型，把最优的模型训练对应的模型参数保留下来，然后利用得到的最优的模型参数和训练集的数据进行模型的训练，建立麻雀搜索算法优化LSTM的气井日产气量预测模型；S400、将训练集和测试集的数据输入麻雀搜索算法优化LSTM的气井日产气量预测模型，得到气井日产气量的预测结果。2.根据权利要求1所述的气井日产气量预测方法，其特征在于，所述步骤S100具体包括如下步骤：S101、提取气井生产日期、气井生产时长、油压、套压、井口管线输送压力、井口温度、日产水量及气井日产气量的历史数据；S102、剔除历史数据中的异常值和缺失值数据，并进行归一化处理；S103、根据气井生产日期将历史数据进行排序，创建输入模型的数据集，数据集的输入包括气井生产日期、气井生产时长、油压、套压、井口管线输送压力、井口温度、日产水量七个参数，数据集的输出为气井日产气量。3.根据权利要求1所述的气井日产气量预测方法，其特征在于，所述步骤S300具体包括如下步骤：S301、初始化麻雀种群，设置麻雀种群总数量、发现者和加入者比例、最大迭代次数和安全值；S302、将均方根误差作为适应度函数，计算所有麻雀的适应度值，并排序，选出当前最优和最差的位置；S303、根据位置更新公式，更新发现者、加入者和预警麻雀的位置，得到第i个麻雀在第j维中的位置信息，并更新其适应度值；S304、判断是否达到最大迭代次数，满足则停止迭代，适应度值最低的麻雀的位置作为最优解，并输出结果，否则，重复执行上述S302到S303步骤。4.根据权利要求3所述的气井日产气量预测方法，...
【专利技术属性】
技术研发人员：曹海荧，谭晓华，李晓平，张研，张航，陈雪，何荣进，孟可，李裕民，白恒，周潇君，祝瑶，
申请(专利权)人：成都英沃信科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。