基于融合趋势指标PSO-LSTM的时序录井数据预测方法、系统、介质及设备技术方案

本发明专利技术涉及石油勘探录井数据处理领域，公开了一种基于融合趋势指标PSO‑LSTM的时序录井数据预测方法、系统、介质及设备，其包括：在LSTM的损失函数中融入趋势指标，指导LSTM在训练的过程中向录井数据正确的变化趋势上靠近，保证预测数据的趋势；引入惩罚函数对损失函数进行改进，保留中间数据趋势变化的指向；引入粒子群优化算法，将其与LSTM进行结合，利用PSO搜索能力对超参数进行调整，得到更优的网络结构。本发明专利技术适用于石油工业过程的实时动态预测方案，确保了预测录井数据的正确变化趋势，提高了预测精度。

【技术实现步骤摘要】

本专利技术涉及一种石油勘探录井数据处理，特别是关于一种基于融合趋势指标pso-lstm的时序录井数据预测方法、系统、介质及设备。

技术介绍

1、近年来，随着石油勘探开发的不断深入，对钻井过程中的数据检测要求越来越高。录井数据能够反映钻井过程中的多种关键信息，如地质特征、钻井参数等。传统的录井数据获取和分析具有一定的滞后性，此外石油行业对数据挖掘和数据驱动算法的重视，高精度实时钻采传感器的发展，使得钻井过程钻速实时预测和优化的自动化、智能化研究成为可能。如何在石油工业过程中进行实时动态预测方案，以确保预测录井数据的正确变化趋势成为目前亟需解决的技术问题。

技术实现思路

1、针对上述问题，本专利技术的目的是提供一种基于融合趋势指标pso-lstm的时序录井数据预测方法、系统、介质及设备，其能指导lstm在训练的过程中向数据正确的变化趋势上靠近，对lstm的复杂网络结构进行机器寻优自动调整。

2、为实现上述目的，本专利技术采取以下技术方案：一种基于融合趋势指标pso-lstm的时序录井数据预测方法，其包本文档来自技高网...

【技术保护点】

1.一种基于融合趋势指标PSO-LSTM的时序录井数据预测方法，其特征在于，包括：

2.如权利要求1所述基于融合趋势指标PSO-LSTM的时序录井数据预测方法，其特征在于，在LSTM的损失函数中融入趋势指标，包括：

3.如权利要求2所述基于融合趋势指标PSO-LSTM的时序录井数据预测方法，其特征在于，新的损失函数LOSS为：

4.如权利要求1所述基于融合趋势指标PSO-LSTM的时序录井数据预测方法，其特征在于，引入惩罚系数消除预测值差分对预测数据趋势信息的影响，确定改进的损失函数为：

5.如权利要求1所述基于融合趋势指标PSO-LSTM...

【技术特征摘要】

1.一种基于融合趋势指标pso-lstm的时序录井数据预测方法，其特征在于，包括：

2.如权利要求1所述基于融合趋势指标pso-lstm的时序录井数据预测方法，其特征在于，在lstm的损失函数中融入趋势指标，包括：

3.如权利要求2所述基于融合趋势指标pso-lstm的时序录井数据预测方法，其特征在于，新的损失函数loss为：

4.如权利要求1所述基于融合趋势指标pso-lstm的时序录井数据预测方法，其特征在于，引入惩罚系数消除预测值差分对预测数据趋势信息的影响，确定改进的损失函数为：

5.如权利要求1所述基于融合趋势指标pso-lstm的时序录井数据预测方法，其特征在于，采用粒子群优化算法，使预测数据在最优化问题中从无序转变成有序，以得到准确的预测结果。

6.如权利要求5所述基于融合趋势指标pso-lstm的时序录井数据预测方...

【专利技术属性】
技术研发人员：谢仁军，武胜男，仝刚，胡一鸣，冯桓榰，胡冰燕，
申请(专利权)人：中海石油中国有限公司，
类型：发明
国别省市：