基于長短時記憶神經(jīng)網(wǎng)絡(luò)模型的油井產(chǎn)量預(yù)測方法

盧 川，宋來明，董銀濤，陳冠中，段 銳

（中海油研究總院有限責(zé)任公司，北京 100028）

油井產(chǎn)量預(yù)測貫穿油田開發(fā)生產(chǎn)全過程。目前有四類常用的油井產(chǎn)量預(yù)測方法，不同方法各有特色和局限性。數(shù)理統(tǒng)計分析方法[1-4]，主要依據(jù)歷史產(chǎn)量變化進行回歸預(yù)測，操作簡單且輸入?yún)?shù)少（產(chǎn)量、時間），但預(yù)測結(jié)果受選取數(shù)據(jù)量的影響較強，多解性強。理論公式法[5-7]，如Arps 產(chǎn)量遞減模型，基于大量統(tǒng)計得到，簡單易用但應(yīng)用范圍有限。數(shù)值模擬方法[8-10]，需要建立地質(zhì)模型和油藏數(shù)值模型，資料需求及工作量大、耗時長。基于數(shù)據(jù)挖掘的機器學(xué)習(xí)算法[11-14]，如BP 神經(jīng)網(wǎng)絡(luò)模型和長短時記憶神經(jīng)網(wǎng)絡(luò)模型，通過深挖影響因素與產(chǎn)量間的非線性關(guān)系，建立多參數(shù)控制下的產(chǎn)量預(yù)測模型，更易于描述產(chǎn)量的復(fù)雜變化，但網(wǎng)絡(luò)模型參數(shù)往往需試算得到，影響應(yīng)用效率。

長短時記憶神經(jīng)網(wǎng)絡(luò)是一種具有長時間記憶能力的時間遞歸深度學(xué)習(xí)算法[15，16]。油井產(chǎn)量是一系列受時間序列影響的變化數(shù)據(jù)。本文以油井產(chǎn)量為目標(biāo)函數(shù)，綜合考慮影響產(chǎn)量的動靜態(tài)參數(shù)，建立基于長短時記憶神經(jīng)網(wǎng)絡(luò)的產(chǎn)量預(yù)測模型。通過敏感性分析，確定模型誤差與網(wǎng)絡(luò)模型參數(shù)之間的相關(guān)關(guān)系，為網(wǎng)絡(luò)模型參數(shù)選取提供依據(jù)，快速指導(dǎo)該方法在油井產(chǎn)量預(yù)測中的應(yīng)用，提升預(yù)測效率。

1 長短時記憶神經(jīng)網(wǎng)絡(luò)模型建立

長短時記憶神經(jīng)網(wǎng)絡(luò)模型由輸入層、隱藏層和輸出層組成。通過在隱藏層增加一個可保存長期狀態(tài)的單元狀態(tài)，進而更有效地處理長時間序列問題[17]。……