15、单井产量预测与国内外智库研究对比分析

单井产量预测与国内外智库研究对比分析

1. 单井产量预测模型研究

1.1 模型参数选择

在单井产量预测中，根据经验，最佳的 L 值通常不超过 10，文中 N 和 L 的选择均为 7。这一选择是基于结果趋近相同值且差异不显著的考虑。

1.2 不同模型预测方法

• MA 模型预测产量 ：LSTM 可依据输出趋势预测未来每小时的产量值，但当注采过程调整或油井出现异常时，产量会发生变化。一般认为产量变化超过 20%可能出现异常事件。确定异常发生时间点的步骤如下：
  1. 基于多相流量计测量的文丘里数据确定异常发生的时间点。
  2. 计算异常事件时间点前后的产量数据比值 K（直接用异常后一小时和异常前一小时的产量计算）。
  3. 将过去 N 小时的产量值乘以比值 K。
  4. 使用 MA 预测接下来几小时的产量值。LSTM 和 MA 模型的组合情况如图所示。
• BP 神经网络预测结果 ：BP 神经网络回归选择四个隐藏层，每层包含 16 个神经单元，最后全连接层为单个神经元，使用处理后的原始数据以更真实地拟合产量趋势。经过 200,000 次训练后，其拟合能力有限，对细节的拟合预测不佳，只能反映整体数据的预测趋势。
• LSTM 独立预测结果 ：LSTM 持久模型预测步数设为 7，隐藏层单元数为 150，神经元数为 4。从图中可知，绿色曲线为真实数据曲线，红色曲线为预测值，大部分情况下能较好