基于PSO-LSTM模型的地热储层温度预测研究

摘要

预测不同深度地热储层的温度是确定热储的热能储存量、热输出能力和可持续利用期限等参数的关键。针对不同约束条件下的热储温度预测问题，建立了一种基于粒子群优化算法(PSO)的长短时记忆网络(LSTM)的热储温度预测模型，对共和盆地恰卜恰地区地热井进行了预测，并通过与BP模型、LSTM模型的预测结果对比，验证该模型的有效性。结果表明，该模型预测结果的均方根误差(RMSE)、平均绝对百分误差(MAPE)、平均绝对偏差(MAD)值与BP、LSTM模型相比均最小，且RMSE最小值仅为1.192。该模型预测值与真实值的相关性系数为0.929,说明该模型的预测效果好，能实现地热系统储层温度的高效预测，为地热系统高效长久开发提供科学依据。

关键词

地热系统 / 粒子群优化算法 / 长短时记忆网络模型 / 温度预测

基金资助

江苏省科技厅碳达峰碳中和科技创新专项(2022)