基于GRU循环神经网络的稠油油藏产量预测新方法

油田产量精确预测对油田高效生产开发具有重要意义,而目前常用的DCA方法(PLE模型、SEPD模型、Arps模型)不能够充分挖掘数据前后关联,会导致预测出现偏差。为此,提出了一种基于门限递归单元循环神经网络模型(GRU-RNN模型)的预测底水稠油油藏产量的新方法。GRU-RNN模型预测平均误差为3.03%,准确度高于DCA方法(PLE、SEPD、Arps模型的平均误差分别为29.51%、32.98%、38.76%)。该方法为油田产量预测提供了除经验公式及数值模型方法之外的新思路。

资料为PDF文档格式.

本文档关键词:预测,循环,产量,神经网络,油油