基于数据挖掘的长短期记忆网络模型油井产量预测方法OA北大核心CSCDCSTPCD
Oil Well Production Forecast with Long- Short Term Memory Network Model Based on Data Mining
传统的BP神经网络及其改进算法广泛应用于产量预测,但并不适宜时间序列预测问题.基于产油量变化的时间序列特征,提出利用长短期记忆网络(LSTM)深度学习模型实现具有长期记忆能力的时间序列预测,在描述LSTM神经网络的基本结构和算法原理基础上,阐述了样本数据处理,输入层、隐藏层和输出层节点数选择及表征方式,形成产量预测模型.实例应用表明,LSTM模型可以准确预测油井产量,整体平均误差约为1.46％,并指出无预兆停产、特殊情况以及部分数据量缺失是影响预…查看全部>>
谷建伟;周梅;李志涛;贾祥军;梁颖
中国石油大学(华东),山东青岛 266580中国石油大学(华东),山东青岛 266580中国石油大学(华东),山东青岛 266580中国石化胜利油田分公司,山东东营 257000中国石化胜利油田分公司,山东东营 257000
能源科技
长短期记忆网络产量预测时间序列深度学习
《特种油气藏》 2019 (2)
77-81,131,6
国家科技重大专项"特高含水后期整装油田延长经济寿命期开发技术"(2016ZX05011-001)
评论