[发明专利]一种基于LSTM来构建油田分层注水预测模型的方法

权利要求书

1.一种基于LSTM来构建油田分层注水预测模型的方法，其特征在于，包括：

步骤一、采集油田中的注水数据，进行数据预处理；

其中，注水数据包括：历史注水数据、历史注水计划、当前时刻瞬时流量、当前时刻油管压力、当前时刻套管压力、当前时刻地层温度、流体系数和影响因素系数；

步骤二、基于LSTM神经网络，建立注水预测模型，将注水数据输入预测模型，将数据分为测集和训练集，通过训练集对注水预测模型进行训练；

步骤三、训练结束后，将测试集和训练结果一同进行模型评估，输出最优预测结果。

2.根据权利要求1所述的基于LSTM来构建油田分层注水预测模型的方法，其特征在于，

所述步骤二中，选取均方差误差、平均绝对误差、决定系数作为评价注水预测模型精度的指标。

3.根据权利要求2所述的基于LSTM来构建油田分层注水预测模型的方法，其特征在于，

所述LSTM神经网络中，隐藏层神经元个数为50、输出层1个神经元、模型训练次数为60、每次抓取用于训练的批次大小为72，网络优化选用

“Adam”优化函数。

4.根据权利要求3所述的基于LSTM来构建油田分层注水预测模型的方法，其特征在于，选用预测时段前的历史流量和注水影响因素数据对未来注水量进行预测。

5.根据权利要求4所述的基于LSTM来构建油田分层注水预测模型的方法，其特征在于，所述LSTM神经网络中，模型的输出为预测流量

式中，是预测t时刻到k时刻的瞬时流量矩阵/列向量；

预测时间段前t时刻的历史流量为：Q_t＝{Q₀,Q₁,...,Q_t,...,Q_T2}；

式中，Q_t是历史数据矩阵/列向量从0时刻到t时刻该地层每时刻的瞬时流量。

6.根据权利要求5所述的基于LSTM来构建油田分层注水预测模型的方法，其特征在于，所述注水影响因素为：

式中，为油压影响因素，P_t为套压影响因素。

7.根据权利要求6所述的基于LSTM来构建油田分层注水预测模型的方法，其特征在于，所述步骤二中，所述预测模型中，第t时刻的输入x_t包括：

x_t＝{Q_t,F_t}。