一种页岩油产量预测方法、装置、设备及存储介质与流程

本申请实施例涉及页岩油产量预测，尤其涉及一种页岩油产量预测方法、装置、设备及存储介质。

背景技术：

1、目前，页岩油产量预测的方法主要分为两类，一类是通过数值手段进行预测，但该方法受地质条件、开发方式等诸多因素影响，且部分关键参数难以用数值进行表征，因此预测的计算精度较低。若采用商业方法，不仅建模复杂，模拟时间较长，而且受油藏背景经验限制较大，费用高昂。另一类是采用机器学习方法，由于页岩油产量为时序数据，在这类时序数据预测的研究方面，常用的机器学习模型有：朴素循环神经网络、贝叶斯分类模型、长短期记忆神经网络模型(long short-term memory，lstm)、支持向量回归机模型、自回归模型等。但在页岩油产量预测方面，由于油藏的生产周期较长，且生产数据在短期与长期过程中存在极大幅度的波动，利用传统的时序模型预测页岩油产量无法达到较高的精度。2018年lai等人提出的一种网络模型能够较好地解决上述传统时序模型在处理时序数据时存在的问题，然而相比于一般时序数据，页岩油藏的生产数据的序列相关性以及数据之间的互相关性更强，但大多数新型神经网络预测模型倾向于忽视时序数据的相关性，而把关注重心放在数据间的非线性关系上。

技术实现思路

1、本申请实施例提供了一种页岩油产量预测方法、装置、设备及存储介质，通过包含有双重卷积层、循环层、循环跳跃层和自向量回归层相结合的产量预测模型，对生产输入数据进行处理，能够准确分析生产输入数据的序列相关性且能够较好地获得生产输入数据时间序列的长短期依赖关系，以更加精确、高效地预测页岩油产量。

2、第一方面，本申请实施例还提供了一种页岩油产量预测方法，该方法包括：

3、获取页岩油的生产输入数据和产量预测模型；

4、根据生产输入数据和产量预测模型预测页岩油的生产产量；

5、其中，产量预测模型包括双重卷积层、循环层、循环跳跃层、向量自回归层，生产产量的数值包括线性预测值和非线性预测值。

6、可选地，上述根据生产输入数据和产量预测模型预测页岩油的生产产量，包括：

7、根据双重卷积层对生产输入数据进行卷积处理，得到向量数据；

8、根据循环层和循环跳跃层对向量数据进行处理，分别得到第一记忆项和第二记忆项；

9、根据向量自回归层对双重卷积层处理过程中生成的数据和第一记忆项进行处理，得到线性预测值；

10、根据第一记忆项、第二记忆项和线性预测值得到页岩油的生产产量。

11、可选地，上述循环层和循环跳跃层的网络结构包括重置门、更新门、结点数据集和输出层。

12、可选地，上述根据双重卷积层对生产输入数据进行卷积处理，得到向量数据，包括：

13、根据双重卷积层的纵向卷积网络层对生产输入数据进行卷积处理，得到特征图像；

14、对特征图像进行合并得到最终二维特征图；

15、根据双重卷积层的横向卷积网络层对最终二维特征图进行卷积处理，得到向量数据；

16、其中，纵向卷积网络层用于沿着生产输入数据的时间方向对生产输入数据进行处理，横向卷积网络用于沿着与纵向卷积网络层垂直的方向对最终二维特征图进行处理。

17、可选地，上述根据向量自回归层对双重卷积层处理过程中生成的数据和第一记忆项进行处理，得到线性预测值，包括：

18、根据向量自回归层对双重卷积层处理过程中生成的最终二维特征图、向量数据，和第一记忆项进行处理，得到线性预测值。

19、可选地，上述根据第一记忆项、第二记忆项和线性预测值得到页岩油的生产产量，包括：

20、对第一记忆项和第二记忆项进行全连接，得到非线性预测值；

21、将非线性预测值和线性预测值进行叠加，得到页岩油的生产产量。

22、可选地，上述在根据双重卷积层对生产输入数据进行卷积处理，得到向量数据之前，该方法还包括：

23、对生产输入数据进行归一化处理。

24、第二方面，本申请实施例还提供了一种页岩油产量预测装置，该装置包括：

25、获取模块，用于获取页岩油的生产输入数据和产量预测模型；

26、预测模块，用于根据生产输入数据和产量预测模型预测页岩油的生产产量；

27、其中，产量预测模型包括双重卷积层、循环层、循环跳跃层、向量自回归层，生产产量的数值包括线性预测值和非线性预测值。

28、第三方面，本申请实施例还提供了一种计算机设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，当处理器执行程序时，实现如本申请任意实施例提供的页岩油产量预测方法。

29、第四方面，本申请实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时，实现如本申请任意实施例提供的页岩油产量预测方法。

30、本申请实施例提供了一种页岩油产量预测方法、装置、设备及存储介质，该方法包括：获取页岩油的生产输入数据和产量预测模型；根据生产输入数据和产量预测模型预测页岩油的生产产量；其中，产量预测模型包括双重卷积层、循环层、循环跳跃层、向量自回归层，生产产量的数值包括线性预测值和非线性预测值。在本方案中，通过包含有双重卷积层、循环层、循环跳跃层和自向量回归层相结合的产量预测模型，对生产输入数据进行处理，能够准确分析生产输入数据的序列相关性且能够较好地获得生产输入数据时间序列的长短期依赖关系，以更加精确、高效地预测页岩油产量。

技术特征：

1.一种页岩油产量预测方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述根据所述生产输入数据和所述产量预测模型预测所述页岩油的生产产量，包括：

3.根据权利要求1或2所述的方法，其特征在于，所述循环层和所述循环跳跃层的网络结构包括重置门、更新门、结点数据集和输出层。

4.根据权利要求2所述的方法，其特征在于，所述根据所述双重卷积层对所述生产输入数据进行卷积处理，得到向量数据，包括：

5.根据权利要求2或4所述的方法，其特征在于，所述根据所述向量自回归层对所述双重卷积层处理过程中生成的数据和所述第一记忆项进行处理，得到线性预测值，包括：

6.根据权利要求2所述的方法，其特征在于，所述根据所述第一记忆项、所述第二记忆项和所述线性预测值得到所述页岩油的生产产量，包括：

7.根据权利要求2所述的方法，其特征在于，在所述根据所述双重卷积层对所述生产输入数据进行卷积处理，得到向量数据之前，所述方法还包括：

8.一种页岩油产量预测装置，其特征在于，所述装置包括：

9.一种计算机设备，其特征在于，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时，实现如权利要求1-7任一项所述的页岩油产量预测方法。

10.一种设备可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时，实现如权利要求1-7任一项所述的页岩油产量预测方法。

技术总结本申请公开了一种页岩油产量预测方法、装置、设备及存储介质，该方法包括：获取页岩油的生产输入数据和产量预测模型；根据生产输入数据和产量预测模型预测页岩油的生产产量；其中，产量预测模型包括双重卷积层、循环层、循环跳跃层、向量自回归层，生产产量的数值包括线性预测值和非线性预测值。在本方案中，通过包含有双重卷积层、循环层、循环跳跃层和自向量回归层相结合的产量预测模型，对生产输入数据进行处理，能够准确分析生产输入数据的序列相关性且能够较好地获得生产输入数据时间序列的长短期依赖关系，以更加精确、高效地预测页岩油产量。技术研发人员：王鸣川,冯动军,岳明,卢婷,王燃,张薇受保护的技术使用者：中国石油化工股份有限公司技术研发日：技术公布日：2024/9/12