申请/专利权人：中海石油(中国)有限公司天津分公司

申请日：2022-05-31

公开（公告）日：2024-04-16

公开（公告）号：CN115099129B

主分类号：G06F30/27

分类号：G06F30/27;G06N3/0442;G06N3/08;G06F119/08;G06F119/14

优先权：

专利状态码：有效-授权

法律状态：2024.04.16#授权;2022.10.14#实质审查的生效;2022.09.23#公开

摘要：本发明公开一种基于输入特征误差修正的天然气井产量预测方法，包括以下步骤：S1.建立LSTM神经网络模型A并训练得到井口压力预测值；建立LSTM神经网络模型B并训练得到井口温度预测值；S2.将井口压力的实际值与井口压力预测值做差得到压力误差集，将压力误差集作为测试集，建立LSTM神经网络模型C并训练得到井口压力误差预测值；将井口温度的实际值与井口温度预测值做差得到温度误差集，将温度误差集作为测试集，建立LSTM神经网络模型D并训练得到井口温度误差预测值；S3.将井口压力预测值与井口压力误差预测值相加后得到修正压力，将井口温度预测值与井口温度误差预测值相加后得到修正温度；S4.将修正压力和修正温度带入机理模型，得到修正后的油井流量。

主权项：1.一种基于输入特征误差修正的天然气井产量预测方法，其特征在于，包括以下步骤：S1.建立LSTM神经网络模型A，将天然气井采集所得跨接管温度、跨接管压力、井口温度、油嘴后温度、油嘴后压力作为输入神经元，将天然气井采集所得井口压力的实际值作为输出神经元，对LSTM神经网络模型A训练后得到井口压力预测值；建立LSTM神经网络模型B，将天然气井采集所得跨接管温度、跨接管压力、井口压力、油嘴后温度、油嘴后压力作为输入神经元，将天然气井采集所得井口温度的实际值作为输出神经元，对LSTM神经网络模型B训练后得到井口温度预测值；S2.将井口压力的实际值与井口压力预测值做差得到压力误差集，将压力误差集作为测试集，以天然气井采集所得跨接管温度、跨接管压力、井口温度、井口压力、油嘴后温度、油嘴后压力、机理模型计算流量7个参数作为输入神经元，以压力误差集作为输出神经元，建立LSTM神经网络模型C；对LSTM神经网络模型C训练后输出井口压力误差预测值；将井口温度的实际值与井口温度预测值做差得到温度误差集，将温度误差集作为测试集，以天然气井采集所得跨接管温度、跨接管压力、井口温度、井口压力、油嘴后温度、油嘴后压力、机理模型计算流量7个参数作为输入神经元，以温度误差集作为输出神经元，建立LSTM神经网络模型D；对LSTM神经网络模型D训练后输出井口温度误差预测值；S3.将井口压力预测值与井口压力误差预测值相加后得到修正压力，将井口温度预测值与井口温度误差预测值相加后得到修正温度；S4.将修正压力和修正温度带入机理模型，重新计算得到经过输入特征误差修正后的油井流量。

全文数据：

权利要求：

百度查询： 中海石油(中国)有限公司天津分公司 一种基于输入特征误差修正的天然气井产量预测方法

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