[发明专利]基于递归神经网络的页岩气井生产压力预测方法

权利要求书

1.一种基于递归神经网络的页岩气井生产压力预测方法，如下步骤：

S1：选择对页岩气井生产有影响的控制参数构成决策变量X＝[x₁,x₂,···,x_M]，M为所选控制参数的个数；所述控制参数包括系列油管压力Y、套管压力T、产水量W、页岩气产量P，选定页岩气工业现场，采集N组决策变量X₁,X₂,···,X_N及其对应的N组生产数据；利用自适应分段算法对所述的生产数据进行初步分段拟合；

步骤S1中的自适应分段算法包括以下步骤：

S11：根据页岩气井历史生产数据，评价每个油管压力数据的准确度，首先将不完整的数据进行线性插值，其公式为：

其中y_k为油管压力，x_k为生产时间；

S12：将插值补充完整后的油管压力数据进行自适应初步分段拟合，分段剔除异常数据：

R＝k_n-1-k_n-2，(n＝1,2,···, N；)

其中：x_n，x_n-1，y_n，y_n-1，为相邻两点的横纵坐标；k为斜率；R为阈值；

S13：通过对页岩气生产数据的研究和结合专家实际生产经验建立异常数据判断条件，剔除异常数据；

S14：再一次对油管压力数据进行线性插值；

S2：选定相关系数分析法对N组生产数据进行相关性分析，以确定页岩气井生产数据模型的输入变量；

步骤S2中，选定斯皮尔曼相关系数分析法，以油管压力Y作为基本参考变量，分别分析页岩气产量P、产水量W、套管压力T与油管压力Y的相关性；

S3：利用递归神经网络算法，对步骤S2所得的输入变量进行建模，建立基于递归神经网络的页岩气井生产数据模型；

S4：按照步骤S3所得的基于递归神经网络的页岩气井生产数据模型对页岩气井生产压力进行预测。

2.根据权利要求1所述的基于递归神经网络的页岩气井生产压力预测方法，其特征在于，步骤S3中，以油管压力作为输出，建立基于递归神经网络的页岩气井生产数据模型，其输入层采用4个神经元节点，隐藏层采用15个神经元节点，输出层采用1个神经元节点，输入层到隐藏层之间传递函数为Logsig函数，隐藏层到输出层之间的函数为Purelin函数，样本训练时的迭代次数为2000。