申请/专利权人：西南石油大学

申请日：2024-01-29

公开（公告）日：2024-04-02

公开（公告）号：CN117648671B

主分类号：G06F18/25

分类号：G06F18/25;G06F18/27;G06F18/213;G06F30/27;G06N3/045;G06Q10/04;G06Q50/02;G06F123/02

优先权：

专利状态码：有效-授权

法律状态：2024.04.02#授权;2024.03.22#实质审查的生效;2024.03.05#公开

摘要：本发明公开了一种融合机理模型和实时数据的油井产量预测方法，包括构建机理仿真输出机理模型数据，将时序参数数据进行相关性分析后得到核心时序参数数据然后进行数据处理，将数据处理后的核心时序参数数据和机理建模数据进行有效融合后输入预测模型的编码器来捕获全局信息和局部信息，解码器处理编码器输出的全局信息和局部信息，最后输出油井产量预测结果。本发明通过融合机理模型的模拟数据和实时数据并使用多元时序预测模型来输出预测结果，提高了预测结果的说服性，使结果更加可靠。

主权项：1.一种融合机理模型和实时数据的油井产量预测方法，其特征在于，将机理模型输出数据和实际油井输出数据相结合后使用预测模型进行产量预测，包括以下步骤：步骤S10、通过机理仿真建模对油嘴管汇和三相分离器进行机理分析，得到关联油井机理建模数据；步骤S20、使用油压、套压、油嘴管汇上下压、三相分离器上下压、三相分离器温度、三相分离器液位、油井排液量、油井产量这些实时时序参数数据进行相关性分析，得到关于油井产量的核心时序参数数据后进行数据处理；对实时时序参数数据进行相关性分析的步骤包括，使用构建多元回归模型的方法进行相关性分析，将油井产量作为因变量，油压、套压、油嘴管汇上下压、三相分离器上下压、三相分离器温度、三相分离器液位、油井排液量作为自变量来拟合回归模型；检查自变量系数的显著性来确定自变量对因变量有显著影响的实时时序参数数据；得到关于油井产量的核心时序参数数据包括时序日期、油压、套压、油嘴管汇上下压、三相分离器上下压、三相分离器温度、三相分离器液位和油井产量；步骤S30、将数据处理后的核心时序参数数据和机理建模数据进行有效融合，加载进预测模型中通过编码器来捕获全局信息和局部信息；预测模型编码器分为全局分支和局部分支两个部分；全局分支用于捕获整个输入序列的全局依赖关系和长距离模式，即全局信息；全局分支中包括GConv、FNO和Film三个不同的模块；GConv是一种全局卷积层，能够捕捉序列的全局特征；FNO是一种利用傅里叶变换处理序列数据的网络结构，捕捉全局和周期性特征；Film是特征线性调制层，用于处理序列数据；局部分支专注于捕捉输入序列的局部特和短期依赖关系，即局部信息；局部分支使用趋势分解和残差分解，分别对趋势部分和残差部分进行编码，然后将两部分的结果相加；步骤S40、预测模型的解码器处理编码器输出的全局信息和局部信息，通过注意力机制和线性层进行融合，生成最终的油井产量预测结果。

全文数据：

权利要求：

百度查询： 西南石油大学 一种融合机理模型和实时数据的油井产量预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD