融合注意力机制的Bi-LSTM页岩气产能预测方法OA
Bi-LSTM Shale Gas Productivity Prediction Method Integrating Attention Mechanism
传统的经验公式法和数学解析法对页岩气产能预测的误差较大,为此,提出一种融合注意力机制的双向长短时记忆神经网络(Attention-Bi-LSTM)对页岩气产能进行预测.在Bi-LSTM的网络层架构中添加注意力机制后,神经网络输入子集的能力、模型处理时间序列数据的能力均得到了提升.采用该模型对页岩气井的日产气量进行预测,相对于单一的Bi-LSTM、LSTM,此模型的预测效果更好.
朱仲义;刘洪;岳圣杰;周鸿;朱怡晖;文宏川
中石油西南油气田分公司页岩气研究院,成都 610051重庆科技学院 安全工程学院,重庆 401331中石油西南油气田分公司页岩气研究院,成都 610051中石油西南油气田分公司蜀南气矿,四川 泸州 646001中石油西南油气田分公司页岩气研究院,成都 610051重庆科技学院 安全工程学院,重庆 401331
能源科技
页岩气产能预测注意力机制双向长短时记忆神经网络
《重庆科技学院学报（自然科学版）》 2023 (3)
52-57,6
重庆市自然科学基金重点项目"深层页岩气压裂复杂裂缝形成机理及工艺技术研究"(CSTC2020JCYJ-ZDXMX0001)
评论