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、在页岩油藏的开发过程中，由于油藏地层的强非均质性，岩石内部流体的渗流规律十分复杂，影响产量的因素众多，且各种因素之间也存在各种耦合关系，导致精准预测油藏的产量有着较大的难度，该类油气藏的产量无法准确用公式进行定量计算，而传统的产量预测方法又存在预测精度低等问题，从而制约油气藏开发的高效性。现有的产量预测模型建立方法主要有两种，一种是采用解析，解析-半解析和数值模拟方法，通过产量公式进行预测。但页油藏产量受储改方式、地质条件、生产制度等诸多因素影响，且现场压裂开发效果(如裂缝分布、裂缝开度等参数)很难准确描述，因而基于经验公式的产量预测方法计算精度低，数值模拟建模复杂，时间较长，需要有一定的背景经验，局限性大。另一种是采用机器学习方法，如长短期记忆神经网络模型(long short-term memory，lstm)、贝叶斯分类模型、支持向量机模型等进行预测。虽然使用机器学习方法方便快捷，但压裂后的现场数据难以获取，数据量小，且存在过拟合问题，预测精度和可靠性较差。

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，通过将包含有随机森林网络和神经网络相结合的产量预测模型与页岩油藏的实际生产动态数据进行结合，建立页岩油产量预测方法，基于该方法对页岩油藏的生产输入数据进行处理，实现高效、精准地预测页岩油产量。

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，产量预测模型包括随机森林网络和神经网络，随机森林网络包括两层隐藏层。

6、在一种示例中，上述生产输入数据通过二分图g1与随机森林网络的第一层隐藏层上的kn-1个神经元连接，kn-1个神经元通过二分图g2与随机森林网络的第二层隐藏层上的kn个神经元连接。

7、在另一种示例中，上述生产输入数据通过二分图g1，n与随机森林网络的第一层隐藏层连接，第一层隐藏层通过二分图g2，n与随机森林网络的第二层隐藏层连接，其中，n表示随机森林网络中的第n个微型随机树网络。

8、可选地，上述第一层隐藏层和第二层隐藏层分别由集合m1和集合m2中的参数表示，参数包括二分图边上的权重和偏移量的列向量。

9、可选地，上述随机森林网络的参数包括w1、w2、wout、b1、b2、bout，其中，w1、w2、wout分别表示第一层隐藏层的权重、第二层隐藏层的权重以及随机森林网络的输出层的权重，b1、b2、bout分别表示第一层隐藏层的偏移量的列向量、第二层隐藏层的偏移量的列向量以及随机森林网络的输出层的偏移量的列向量。

10、在一种示例中，上述随机森林网络实现的函数包括：

11、

12、其中，σ1和σ2分别表示第一层隐藏层和第二层隐藏层上的激活函数，x表示生产输入数据，w1、w2、wout分别表示第一层隐藏层的权重、第二层隐藏层的权重以及随机森林网络的输出层的权重，b1、b2、bout分别表示第一层隐藏层的偏移量的列向量、第二层隐藏层的偏移量的列向量以及随机森林网络的输出层的偏移量的列向量，rd表示生产输入数据向量集合。

13、在另一种示例中，上述随机森林网络实现的函数包括：

14、

15、其中，σ1和σ2分别表示第一层隐藏层和第二层隐藏层上的激活函数，x表示生产输入数据，w1、w2、wout分别表示第一层隐藏层的权重、第二层隐藏层的权重以及随机森林网络的输出层的权重，b1、b2、bout分别表示第一层隐藏层的偏移量的列向量、第二层隐藏层的偏移量的列向量以及随机森林网络的输出层的偏移量的列向量，rd表示生产输入数据向量集合。

16、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：

17、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；

18、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；

19、其中，产量预测模型包括随机森林网络和神经网络，随机森林网络包括两层隐藏层。

20、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。

21、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。

22、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，产量预测模型包括随机森林网络和神经网络，随机森林网络包括两层隐藏层。在上述方案中，通过将包含有随机森林网络和神经网络相结合的产量预测模型与页岩油藏的实际生产动态数据进行结合，建立页岩油产量预测方法，基于该方法对页岩油藏的生产输入数据进行处理，实现高效、精准地预测页岩油产量。

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，所述生产输入数据通过二分图g1与所述随机森林网络的第一层隐藏层上的kn-1个神经元连接，所述kn-1个神经元通过二分图g2与所述随机森林网络的第二层隐藏层上的kn个神经元连接。

3.根据权利要求1所述的方法，其特征在于，所述生产输入数据通过二分图g1，n与所述随机森林网络的第一层隐藏层连接，所述第一层隐藏层通过二分图g2，n与所述随机森林网络的第二层隐藏层连接，其中，n表示所述随机森林网络中的第n个微型随机树网络。

4.根据权利要求2或3所述的方法，其特征在于，所述第一层隐藏层和所述第二层隐藏层分别由集合m1和集合m2中的参数表示，所述参数包括所述二分图边上的权重和偏移量的列向量。

5.根据权利要求4所述的方法，其特征在于，所述随机森林网络的参数包括w1、w2、wout、b1、b2、bout，其中，所述w1、w2、wout分别表示所述第一层隐藏层的权重、所述第二层隐藏层的权重以及所述随机森林网络的输出层的权重，所述b1、b2、bout分别表示所述第一层隐藏层的偏移量的列向量、所述第二层隐藏层的偏移量的列向量以及所述随机森林网络的输出层的偏移量的列向量。

6.根据权利要求2或5所述的方法，其特征在于，所述随机森林网络实现的函数包括：

7.根据权利要求3或5所述的方法，其特征在于，所述随机森林网络实现的函数包括：

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，产量预测模型包括随机森林网络和神经网络，随机森林网络包括两层隐藏层。在上述方案中，通过将包含有随机森林网络和神经网络相结合的产量预测模型与页岩油藏的实际生产动态数据进行结合，建立页岩油产量预测方法，基于该方法对页岩油藏的生产输入数据进行处理，实现高效、精准地预测页岩油产量。技术研发人员：王鸣川,张殿伟,岳明,刘曾勤,高蔚原,陈志强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：2024/10/10