【技术实现步骤摘要】
本公开涉及油田开发，尤其涉及基于循环神经网络的油井产油和含水量预测方法及装置。
技术介绍
1、现有技术中，常用的油井产量预测方法需考虑油藏流体性质以及启动压力梯度对渗流规律的影响，对流体性质进行综合描述，常用方法有油藏工程方法、数值模拟方法等，需要花费大量时间、精力去分析所研究的油气田地质资料、岩石物理数据和储集层特征参数等，建模过程繁复、计算复杂；
2、近年来，随着人工智能技术的发展，基于数据驱动的人工智能机器学习的产量预测方法研究取得了进展，通常都是对整个油田或者单井进行产量预测，采用历史温度、压力、渗透率等油井的动态生产信息和物性参数，或者考虑新井开井数和措施总井数对新井年产油量和措施单井次年增油进行建模预测产量。
3、对于水驱开发老油田，注水开发调整是要影响油井产量的，上述方法没有考虑油井周边水井注水量变化对单井产量的影响，且预测时需要准备多种测井数据，增加了劳动强度，降低了生产效率。
技术实现思路
1、本公开提出了基于循环神经网络的油井产油和含水量预测方法...
【技术保护点】
1.一种基于循环神经网络的油井产油和含水量预测方法，其特征在于，包括：
2.根据权利要求1所述的基于循环神经网络的油井产油和含水量预测方法，其特征在于：
3.根据权利要求1所述的基于循环神经网络的油井产油和含水量预测方法，其特征在于，所述根据所述原始数据，构建用于循环神经网络模型学习的特征数据集的方法，包括：
4.根据权利要求3所述的基于循环神经网络的油井产油和含水量预测方法，其特征在于，所述生产趋势数据包括：产量趋势数据以及含水趋势数据。
5.根据权利要求1所述的基于循环神经网络的油井产油和含水量预测方法，其特征在于，...
【技术特征摘要】
1.一种基于循环神经网络的油井产油和含水量预测方法，其特征在于，包括：
2.根据权利要求1所述的基于循环神经网络的油井产油和含水量预测方法，其特征在于：
3.根据权利要求1所述的基于循环神经网络的油井产油和含水量预测方法，其特征在于，所述根据所述原始数据，构建用于循环神经网络模型学习的特征数据集的方法，包括：
4.根据权利要求3所述的基于循环神经网络的油井产油和含水量预测方法，其特征在于，所述生产趋势数据包括：产量趋势数据以及含水趋势数据。
5.根据权利要求1所述的基于循环神经网络的油井产油和含水量预测方法，其特征在于，...
【专利技术属性】
技术研发人员：裴建亚，朱晓萌，谢荣华，蔡兵，王倩，龚华，胡琎，朱焱，张晶涛，
申请(专利权)人：大庆油田有限责任公司，
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。