基于ARIMA-RTS和LSTM的致密气藏产能预测

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。