基于卷积神经网络和迁移学习的特高含水油井生产预测 |
| |
引用本文: | 姜春雷,方硕,刘伟,邵克勇,陈朋.基于卷积神经网络和迁移学习的特高含水油井生产预测[J].中国石油大学学报(自然科学版),2023(6):162-170. |
| |
作者姓名: | 姜春雷 方硕 刘伟 邵克勇 陈朋 |
| |
作者单位: | 1. 东北石油大学电气信息工程学院;2. 东北石油大学三亚海洋油气研究院 |
| |
基金项目: | 黑龙江省自然科学基金项目(LH2021F008); |
| |
摘 要: | 油井的实时生产监测对油田的辅助生产和精细化管理有重要意义。然而,针对仅有小样本生产数据、数据波动大且有缺失的特高含水期油井,传统的机器学习算法无法实现良好的生产预测。提出一种基于卷积神经网络和迁移学习的多任务生产预测方法。该方法不仅可以实现时间和空间上特征的自适应提取,还可以改善模型在小样本数据上的预测性能。结果表明:相比于基准模型,产液量和动液面的平均绝对误差分别降低31.26%和60.81%,决定系数分别提高1.89%和7.59%。基于迁移学习的MTCNN模型提高小样本数据油井的生产预测精度,实现了特高含水油井产液量和动液面的实时预测,对抽油机系统的效率优化、油井边缘设备智能化有参考意义。
|
关 键 词: | 卷积神经网络 迁移学习 特高含水油井 小样本数据 多任务 动态生产预测 |
|
|