文章详情

摘要

油田产量预测是制定油田生产开发方案的基础工作。随着数据量的不断增加，传统方法面临诸多挑战。通过机器学习建立产量预测模型，已成为一种更加准确高效的方法。文章将卷积神经网络（CNN）与长短期记忆网络（LSTM）两种基础模型相结合，构建了CNN-LSTM模型。通过CNN提取油田数据中某些突出的特征，并将这些特征作为构建LSTM时间序列数据集的输入，揭示了数据中隐藏的特征与空间相互作用关系，进而提高预测结果的精确度。此外，实验结果表明，相比单一的LSTM模型和CNN模型，CNN-LSTM模型在预测性能上具有显著优势，能够更准确地预测油田生产数据，为油田的后续开发提供可靠的数据支持。

关键词

CNN-LSTM；机器学习；产量预测

参考文献

1. [1] ZHA W S，LIU Y P，WAN Y J，et al. Forecasting Monthly Gas Field Production Based on the CNN-LSTM Model [J/OL].Energy，2022，260：124889[2024-12-26].https://doi.org/10.1016/j.energy.2022.124889.
2. [2] PAN S W，WANG J Z，ZHOU W. Prediction on Production of Oil Well with Attention-CNN-LSTM [C]//2021 International Conference on Electrical Engineering and Computer Technology.Qingdao：IOP，2021，2030（1）：1-8.
3. [3] ABDULLAYEVA F，IMAMVERDIYEV Y. Development of Oil Production Forecasting Method Based on Deep Learning [J].Statistics，Optimization & Information Computing，2019，7（4）：826-839.
4. [4] 李留杰，唐后军，郭粉转，等.一种适用于延长油田长7页岩油水平井产量预测的改进经验模型 [J].非常规油气，2024，11（4）：106-114.
5. [5] 赵庆杰，唐宏宝，张乾，等.页岩油压裂井产量预测方法研究 [J].油气井测试，2024，33 （3）：46-52.
6. [6] 刘嘉豪，刘浩.基于 LSTM 神经网络模型的石油单井产量预测 [J].石油化工应用，2023，42（3）：38-41+52.
7. [7] 王小林，唐玮，唐红君，等.基于机器学习的月度产油量预测方法 [C]//2023油气田勘探与开发国际会议.武汉：[出版者不详]，2023.
8. [8] 兰卫华，李新锋，邓祖跃，等.人工智能技术在海上油气生产中的应用与研究 [C]//2023中国油气人工智能科技大会.北京：[出版者不详]，2023.
9. [9] 滕奇刚.吉林油田低成本物联网建设与应用 [J].石油科技论坛，2023，42（3）：65-71.
10. [10] 吴新根，葛家理.应用人工神经网络预测油田产量 [J].石油勘探与开发，1994，21（3）：75-78.
11. [11] 高亚军，唐力辉，王振鹏，等.基于循环神经网络和数据差分处理的油田产量预测方法 [J].中国海上油气，2023，35（3）：126-136.
12. [12] 任燕龙，谷建伟.基于遗传算法的BP神经网络油田产量预测模型研究 [C]//第六届数字油田国际学术会议.西安：[出版者不详]，2019.
13. [13] 杜红勇，隋顾磊.基于 CNN 的抽油机井故障诊断方法研究 [J].当代化工，2021，50（12）：2909-2913.
14. [14] 唐善杰.基于时间序列方法的致密气藏压裂水平井产能预测研究 [D].西安：西安石油大学，2023.
15. [15] 齐书贤，喻高明，刘云，等.基于注意力机制的长短期记忆网络的油田采收率预测新方法 [J].当代化工研究，2023（9）：177-179.
16. [16] 罗发强，刘景涛，陈修平，等.基于BP和LSTM神经网络的顺北油田5号断裂带地层孔隙压力智能预测方法 [J].石油钻采工艺，2022，44（4）：506-514.
17. [17] 晁政，冯其红，张先敏，等.基于V/S和LSTM结合的深度堵水调剖效果预测方法 [C]//2021油气田勘探与开发国际会议.青岛：[出版者不详]，2021.
18. [18] 李家兴，韩安勋，潘相帅，等.基于GAN-LSTM的剩余油时间序列预测 [C]//第40届中国控制会议.上海：[出版者不详]，2021.
19. [19] 李艳辉，王衍萌.基于数据增强技术与CNN-BiLSTM-Attention的油田注水流量预测及效果 [J].科学技术与工程，2023，23（32）：13896-13902.
20. [20] 王吉哲.基于深度学习的油井产油量预测算法研究与应用 [D].西安：西安石油大学，2022.

基金项目

国家自然科学基金青年科学基金（52104020）

作者简介

张汉文（1999—），男，汉族，陕西渭南人，硕士研究生在读，研究方向：油气田开发工程；通信作者：辛显康（1986—），男，汉族，山东汶上人，副教授，硕士生导师，博士，研究方向：油气田开发工程.