基于改进果蝇算法和长短期记忆神经网络 的油田产量预测模型

摘要：

产量预测是油田生产动态开发研究的重要内容之一.油田的长期生产积累了大量数据,但是波动幅度很大,直接应用长短期记忆神经网络预测油田的生产指标,会出现神经网络泛化性很差的问题.因此,首先利用双层长短期记忆神经网络(long-short term memory,LSTM)和随机式失活对神经网络架构进行调整,建立了深度学习神经网络模型;并提出了一种新的果蝇聚集方法,通过改进的果蝇优化算法对所建立的神经网络模型进行优化,避免其陷入局部最优解,搜寻解空间的最优解;最后,油田实例验证表明,优化后的深度学习网络的网络泛化能力和预测精度有了较大提高,对于油田波动性较大的数据也能较好地拟合.所建立油田产量预测模型可应用于矿场开发实际.

关键词：果蝇算法、浓度聚集、长短期记忆网络、随机失活、深度学习、产量预测

所属期刊栏目：20

分类号：TE33+1(油气田开发与开采)

资助基金：国家科技重大专项2017ZX05009001

在线出版日期：2020-08-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：7245-7251