基于LSTM神经网络的地热井回灌压力预测方法研究

摘要：

地热回灌开发是解决环境污染和资源可持续发展的一种重要手段.地热井回灌压力受到诸多因素影响,各个因素与回灌压力之间表现出高度非线性关系,准确预测地热井回灌压力是一个巨大的桃战,同时也是现场生产决策亟需.基于地热井回灌压力变化的时序特征,充分考虑地热回灌井生产动态数据的变化趋势和前后关联性,提出利用长短期记忆神经网络(LSTM)模型来预测地热井回灌压力.在描述LSTM神经网络的基本结构和工作原理基础上,利用现场易得的井口回灌压力、井口回灌温度、日回灌量、累计回灌量数据,形成地热井回灌压力预测模型.现场实例表明,LSTM模型可以很好地预测地热井井口回灌压力,总体平均相对误差为1.63％,预测精度能满足现场工程应用要求.本研究为地热井回灌压力预测提供了一种新的预测方法,同时也可对地热生产决策与管理提供指导.

关键词：地热井、回灌压力、生产数据、长短期记忆神经网络、深度学习

分类号：P(天文学、地球科学)

资助基金：国家重点研发计划2019YFB1504200

在线出版日期：2023-03-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：119-123