收藏本站
收藏 | 投稿 | 手机打开
二维码
手机客户端打开本文

基于循环神经网络的油田特高含水期产量预测方法

王洪亮  穆龙新  时付更  窦宏恩  
【摘要】:根据油田生产历史数据利用深度学习方法预测油田特高含水期产量,并进行了实验验证和应用效果分析。考虑到传统全连接神经网络(FCNN)无法描述时间序列数据的相关性,基于一种循环神经网络(RNN)即长短期记忆神经网络(LSTM)来构建油田产量预测模型。该模型不仅考虑了产量指标与其影响因素之间的联系,还兼顾了产量随时间变化的趋势和前后关联。利用国内某中高渗透砂岩水驱开发油田生产历史数据进行特高含水期产量预测,并与传统水驱曲线方法和FCNN的预测结果比较,发现基于深度学习的LSTM预测精度更高,针对油田生产中复杂时间序列的预测结果更准确。利用LSTM模型预测了另外两个油田的月产油量,预测结果较好,验证了方法的通用性。图3表3参40

知网文化
【相似文献】
中国期刊全文数据库 前17条
1 任燕龙;谷建伟;崔文富;张以根;;基于改进果蝇算法和长短期记忆神经网络的油田产量预测模型[J];科学技术与工程;2020年18期
2 李硕;单光坤;孙凤;边防;侯宝;郑仁成;;基于神经网络的煤气泄漏多传感器融合检测研究[J];机械工程与自动化;2020年04期
3 任伟建;宋月;陈建玲;任璐;孙勤江;;基于改进的卷积神经网络的钢号识别[J];吉林大学学报(信息科学版);2018年03期
4 刘春桃;李元军;;神经网络法在测井曲线自动分层问题中的应用[J];高等函授学报(自然科学版);2011年05期
5 李余斌;黄坤;张琳;苏欣;曾鹏升;;基于神经网络的管道沿线土壤腐蚀态势评价[J];油气储运;2007年08期
6 许增福;王宏伟;吴贵生;;基于过程神经网络和量子遗传算法的油藏采收率参量逆向求解[J];中国石油大学学报(自然科学版);2007年06期
7 袁爽;张晓波;;根据测井资料估算储层渗透率的新神经网络方法[J];国外油田工程;2007年04期
8 薛改珍;张少武;;利用神经网络及专家系统实现油井故障诊断[J];石油工业计算机应用;1999年04期
9 魏海平,夏吾勇;基于神经网络的离线调优控制的研究[J];抚顺石油学院学报;1997年01期
10 徐学洲,卢科学,杨儒亮,李维东;勘探物理油气信息识别与预测的神经网络方法[J];西安电子科技大学学报;1995年04期
11 刘瑞林,马在田;神经网络在油气评价和预测方面的研究现状[J];地球物理学进展;1995年02期
12 宋延杰;杨艳;杨青山;马宏宇;;过程神经网络在厚层细分水淹解释中的应用[J];测井技术;2009年04期
13 安振芳;张进;张建中;邢磊;黄忠来;;小样本卷积神经网络井震映射反演[J];西安石油大学学报(自然科学版);2020年04期
14 肖强;刘亚利;国庆;;神经网络技术在柴油加氢精制装置生产中的应用[J];石油炼制与化工;2019年03期
15 潘少伟;梁鸿军;李良;杨少春;;GA-BP神经网络对含油饱和度的动态预测研究[J];计算机技术与发展;2012年12期
16 曾凡辉;郭建春;赵金洲;;多元回归和神经网络在多影响因素下优选压裂候选井层中的应用[J];石油工业计算机应用;2007年04期
17 姜新祝;许少华;;基于径向基过程神经网络的油田措施效果预测[J];计算机与数字工程;2016年08期
中国重要会议论文全文数据库 前10条
1 An Yangming;;基于深度学习的Dropout-BP神经网络在测井资料评价煤层气含气量中的应用[A];2019年中国地球科学联合学术年会论文集(二十九)——专题77:井孔地球物理学及深部钻测、专题78:地球化学进展、专题79:地球深部碳循环、专题80:航空地球物理勘查技术与应用[C];2019年
2 程康;姜胜;黄伟;;滚动开发区块产量预测思路探讨[A];创新·质量·低碳·可持续发展——第十届宁夏青年科学家论坛石化专题论坛论文集[C];2014年
3 浦义涛;张雪利;帅威;王君;龚莉;;残差神经网络在地震初至拾取的训练及应用[A];中国石油学会2019年物探技术研讨会论文集[C];2019年
4 任芳祥;;锦16块特高含水期提高注水波及体积的实践与认识[A];加入WTO和中国科技与可持续发展——挑战与机遇、责任和对策(下册)[C];2002年
5 谢玮;王彦春;毕臣臣;;人工智能在石油地球物理勘探中的应用研究综述[A];2017中国地球科学联合学术年会论文集(二十七)——专题54:地震物理过程、专题55:智慧地球物理[C];2017年
6 蒋国辉;闫翠英;郭新华;;特高含水期水驱精细压裂方法研究[A];《采油工程》第2卷第1册[C];2012年
7 詹治田;E.B.Karus;刘淑妹;;神经网络在多井插值中的应用[A];1995年中国地球物理学会第十一届学术年会论文集[C];1995年
8 翟军;冯英浚;;油田产量预测的GM(1,1)模型方法[A];数学及其应用文集——中南模糊数学和系统分会第三届年会论文集(下卷)[C];1995年
9 常丽娟;;特高含水期水驱在堵井潜力及调整挖潜方法研究[A];《采油工程》第2卷第2册[C];2012年
10 孙效功;王硕儒;;函数型连接神经网络的一种改进算法及其应用[A];1993年中国地球物理学会第九届学术年会论文集[C];1993年
中国博士学位论文全文数据库 前3条
1 黄家宸;基于机器学习的水平井产量预测建模与应用研究[D];中国地质大学(北京);2020年
2 高美娟;用于储层参数预测的神经网络模式识别方法研究[D];大庆石油学院;2005年
3 邓庆军;大庆油田萨中开发区特高含水期微观剩余油成因及动用机制研究[D];东北石油大学;2015年
中国硕士学位论文全文数据库 前10条
1 闫雨瑗;BP神经网络在甲烷化学链重整反应中的应用研究[D];西北大学;2019年
2 刘建伯;基于卷积神经网络图像分类方法研究及应用[D];东北石油大学;2018年
3 唐之刚;基于卷积神经网络的故障示功图诊断方法研究[D];西安科技大学;2019年
4 任海洋;基于深度学习方法的溶洞体识别及定量计算[D];电子科技大学;2019年
5 汪颖;基于拓扑神经网络的超声波缺陷检测方法研究[D];中国石油大学(北京);2018年
6 刘茂珅;基于卷积神经网络的放空火炬烟雾识别方法研究[D];北京工业大学;2019年
7 沈婉;非分光红外甲烷气体远程检测系统的设计[D];南京信息工程大学;2019年
8 李红颖;压缩机运行状态监测系统研究[D];天津工业大学;2019年
9 孙成斌;基于随机神经网络的光纤振动信号识别算法研究[D];北方工业大学;2019年
10 闫继坤;基于BP神经网络的PDC钻头优选研究[D];中国石油大学(华东);2017年
中国重要报纸全文数据库 前9条
1 新化;英国下调2012年前石油产量预测[N];中国石化报;2009年
2 王宏琳;石油物探中如何应用人工智能[N];中国石化报;2018年
3 本报记者 王林;人工智能正引领油企数字化转型[N];中国能源报;2019年
4 李欣;大庆油田特高含水期水驱优化调整技术取得跨越发展[N];科技日报;2008年
5 本报记者 王巧然;人工智能来了 高危装置能否“无人驾驶”[N];中国石油报;2019年
6 本报记者 于欢;人工智能将彻底改变能源行业[N];中国能源报;2018年
7 刘合 中国石油勘探开发研究院 教授 中国工程院 院士 本报记者 闫建文;中远期应以人工智能为抓手主动应对[N];中国石油报;2020年
8 本报记者 李惠钰;人工智能:石油石化跟跑到领跑新机遇[N];中国科学报;2019年
9 张厚淼 黄迎松;整装油藏特高含水期仍可挖潜[N];中国石化报;2013年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978