基于CAM-ResNet-XGBoost模型的产能预测评价方法研究

摘要

产能预测是一种对储层产油能力进行综合性评价的技术，对于油气田的勘探与开发有着极其重要的意义。针对中深层低孔低渗储层受岩性和物性双重影响导致产能预测评价精度低的情况，提出了一种基于通道注意力机制（CAM）、深度残差神经网络（ResNet）和XGBoost的产能预测模型，选取了13个与产油相关性较高的参数，利用渤海某油田探井数据构建并训练产能预测模型，预测新井产油情况。研究结果表明：提出的CAM-ResNet-XGBoost模型，能够有效地从变化多样且高度重叠的参数信息中提取有效特征；对比BP神经网络、AlexNet、VGGNet和ResNet等模型，CAM-ResNet-XBoost模型具有更高的预测精度，最优预测准确率达到79.6%，相较于基准模型提高8.6%。

关键词

测井资料 / 产能预测 / 自注意力 / 残差网络 / 特征提取