基于注意力机制的长短期记忆网络的油田采收率预测新方法

油田产量的预测对油田开发具有重要意义,而目前常用的产量预测的方法主要有经验公式法、递减指数法、水驱曲线法、数值模拟法等,这些方法不能挖掘数据的关系,也不能使用油田数据中的时序关系,从而导致预测出现偏差。因此提出使用注意力机制的长短时神经记忆网络的模型来预测采收率,并分析了损失函数、Dropout比例、神经元个数对模型的预测影响,结果表明三个参数值分别为100、0.9、128时,模型预测的表现最优。在网络训练后,模型预测目标区块油田2021年的产油量为98615t,预测偏差绝对值为1524t;模型预测目标区块油田的采收率为19.15%,与常规方法水驱曲线法的计算结果偏差较小。由此可见,基于注意力机制的长短期记忆网络模型对油田采收率预测具有较高的精确度。研究结果可应用于国内油田生产开发动态方案的编制,对国内油田开发决策提供了一种新型的方法。