基于双向递归神经网络模型的产量预测方法研究

梁潇

doi:10.19770/j.cnki.issn.1008-2565.2025.04.008

北京石油化工学院学报 ›› 2025, Vol. 33 ›› Issue (4) : 41 -47. DOI: 10.19770/j.cnki.issn.1008-2565.2025.04.008

基于双向递归神经网络模型的产量预测方法研究

梁潇

作者信息 +

Author information +

文章历史 +

摘要

为了解决传统递减曲线法对单井进行产量预测过程中无法考虑数据波动性、给出的结果为平均预测结果及对油田未来开发方案设计、综合调整等难以提供准确指导的问题。以海上水驱复杂河流相稠油油田Q油田为研究对象，应用引入注意力机制的CNN-BiGRU模型对Q油田底水定向井、底水水平井、边水定向井、边水水平井四类油井开展产量预测与分析。与提到的包括传统递减曲线法在内的4种预测模型相比，引入注意力机制的CNN-BiGRU模型预测模型结果均方误差根、平均绝对百分比误差和平均绝对误差均为最低，预测结果更加接近实际水驱油藏单井产油量数据。