-
公开(公告)号：CN114912364A
公开(公告)日：2022-08-16
申请号：CN202210608674.4
申请日：2022-05-31
申请人： 中海石油(中国)有限公司天津分公司
IPC分类号： G06F30/27 , G06F30/28 , G06N3/04 , G06N3/08 , G06F113/08 , G06F119/08 , G06F119/14
摘要： 本发明公开一种天然气井流量预测方法、装置、设备及计算机可读介质。方法包括收集天然气井采集所得数据并设定基础特征数据；对基础特征数据进行特征衍生得到衍生特征数据；建立长短期记忆神经网络模型；在长短期记忆神经网络模型后叠加反向传播神经网络模型构造迁移学习模型；训练迁移学习模型得到天然气井的流量预测。通过对比迁移学习模型和不进行模型迁移的普通神经网络模型对新的天然气井流量的预测结果，结果表明，本发明所构建的迁移学习模型对新的天然气井流量的预测结果更准确，且大大减小了模型的数据开销。可以减少训练目标井对应模型时需要的训练样本的数量，并可以增快训练模型的速度。
-
公开(公告)号：CN114912364B
公开(公告)日：2024-05-17
申请号：CN202210608674.4
申请日：2022-05-31
申请人： 中海石油(中国)有限公司天津分公司
IPC分类号： G06F30/27 , G06F30/28 , G06N3/0464 , G06N3/08 , G06F113/08 , G06F119/08 , G06F119/14
摘要： 本发明公开一种天然气井流量预测方法、装置、设备及计算机可读介质。方法包括收集天然气井采集所得数据并设定基础特征数据；对基础特征数据进行特征衍生得到衍生特征数据；建立长短期记忆神经网络模型；在长短期记忆神经网络模型后叠加反向传播神经网络模型构造迁移学习模型；训练迁移学习模型得到天然气井的流量预测。通过对比迁移学习模型和不进行模型迁移的普通神经网络模型对新的天然气井流量的预测结果，结果表明，本发明所构建的迁移学习模型对新的天然气井流量的预测结果更准确，且大大减小了模型的数据开销。可以减少训练目标井对应模型时需要的训练样本的数量，并可以增快训练模型的速度。
-
公开(公告)号：CN115099129B
公开(公告)日：2024-04-16
申请号：CN202210614616.2
申请日：2022-05-31
申请人： 中海石油(中国)有限公司天津分公司
IPC分类号： G06F30/27 , G06N3/0442 , G06N3/08 , G06F119/08 , G06F119/14
摘要： 本发明公开一种基于输入特征误差修正的天然气井产量预测方法，包括以下步骤：S1.建立LSTM神经网络模型A并训练得到井口压力预测值；建立LSTM神经网络模型B并训练得到井口温度预测值；S2.将井口压力的实际值与井口压力预测值做差得到压力误差集，将压力误差集作为测试集，建立LSTM神经网络模型C并训练得到井口压力误差预测值；将井口温度的实际值与井口温度预测值做差得到温度误差集，将温度误差集作为测试集，建立LSTM神经网络模型D并训练得到井口温度误差预测值；S3.将井口压力预测值与井口压力误差预测值相加后得到修正压力，将井口温度预测值与井口温度误差预测值相加后得到修正温度；S4.将修正压力和修正温度带入机理模型，得到修正后的油井流量。
-
公开(公告)号：CN115099129A
公开(公告)日：2022-09-23
申请号：CN202210614616.2
申请日：2022-05-31
申请人： 中海石油(中国)有限公司天津分公司
IPC分类号： G06F30/27 , G06N3/04 , G06N3/08 , G06F119/08 , G06F119/14
摘要： 本发明公开一种基于输入特征误差修正的天然气井产量预测方法，包括以下步骤：S1.建立LSTM神经网络模型A并训练得到井口压力预测值；建立LSTM神经网络模型B并训练得到井口温度预测值；S2.将井口压力的实际值与井口压力预测值做差得到压力误差集，将压力误差集作为测试集，建立LSTM神经网络模型C并训练得到井口压力误差预测值；将井口温度的实际值与井口温度预测值做差得到温度误差集，将温度误差集作为测试集，建立LSTM神经网络模型D并训练得到井口温度误差预测值；S3.将井口压力预测值与井口压力误差预测值相加后得到修正压力，将井口温度预测值与井口温度误差预测值相加后得到修正温度；S4.将修正压力和修正温度带入机理模型，得到修正后的油井流量。
-
-
-
搜索结果
4 条记录 (耗时 0.037 秒)
