期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于ARIMA-RTS和LSTM的致密气藏产能预测
1
作者
付豪
方全堂
杜一鹤
《石化技术》
CAS
2023年第11期120-122,共3页
建立长短时记忆神经网络(LSTM)和基于卡尔曼平滑算法的自回归差分移动平均模型(ARIMA-RTS)模型,通过气井实际数据测试和拟合,调整参数后对比,LSTM模型表现较好,MSE误差为0.89%,但耗时较长。ARIMA-RTS模型MSE误差为2.6%,整体精度满足要求...
建立长短时记忆神经网络(LSTM)和基于卡尔曼平滑算法的自回归差分移动平均模型(ARIMA-RTS)模型,通过气井实际数据测试和拟合,调整参数后对比,LSTM模型表现较好,MSE误差为0.89%,但耗时较长。ARIMA-RTS模型MSE误差为2.6%,整体精度满足要求,耗时较短。
展开更多
关键词
致密气藏
时间序列
数据挖掘
产能预测
下载PDF
职称材料
题名
基于ARIMA-RTS和LSTM的致密气藏产能预测
1
作者
付豪
方全堂
杜一鹤
机构
中国石化西北油田分公司完井测试管理中心
西南石油大学石油与天然气工程学院
出处
《石化技术》
CAS
2023年第11期120-122,共3页
文摘
建立长短时记忆神经网络(LSTM)和基于卡尔曼平滑算法的自回归差分移动平均模型(ARIMA-RTS)模型,通过气井实际数据测试和拟合,调整参数后对比,LSTM模型表现较好,MSE误差为0.89%,但耗时较长。ARIMA-RTS模型MSE误差为2.6%,整体精度满足要求,耗时较短。
关键词
致密气藏
时间序列
数据挖掘
产能预测
Keywords
tight gas reservoir
time series
data mining
production forecast
分类号
TP3 [自动化与计算机技术—计算机科学与技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于ARIMA-RTS和LSTM的致密气藏产能预测
付豪
方全堂
杜一鹤
《石化技术》
CAS
2023
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部