基于LSTM神经网络模型的石油单井产量预测刘嘉豪，刘浩（西安石油大学石油工程学院，陕西西安710065）摘要：在油田开发过程中，预测石油单井日产量往往受多种不确定因素影响，本文基于具有时间记忆优势的LSTM神经网络模型，使用生产时间、冲程、冲次、日产液、含水率、泵效、日产气以及井口温度作为输入参数，建立单井日产量预测模型。并通过手动对预测模型参数（最大训练次数与全局学习率）进行调优，使得预测模型具有较高精度，通过实例预测，最终平均绝对误差0.100、均方差0.019以及平均绝对百分误差1.431%。该模型对于单井日产量具有广泛的通用性，并且具有一定的参考意义。关键词：LSTM神经网络模型；产量预测；参数优化中图分类号：TE331.1文献标识码：A文章编号：1673-5285（2023）03-0038-05DOI:10.3969/j.issn.1673-5285.2023.03.008*收稿日期：2022－07-22ProductionpredictionofsingleoilwellbasedonLSTMneuralnetworkmodelLIUJiahao，LIUHao（PetroleumEngineeringInstituteofXi'anShiyouUniversity，Xi'anShaanxi710065，China）Abstract:Intheprocessofoilfielddevelopment,thepredictionofdailyoilproductionofasingleoilwellisoftenaffectedbyvariousuncertainfactors.BasedontheLSTMneuralnet－workmodelwiththeadvantageoftimememory,productiontime,stroke,stroketimes,dailyfluidproduction,watercut,pumpefficiency,dailygasproductionandwellheadtemperatureareusedasinputparameterstoestablishasinglewelldailyoilproductionpredictionmodel.Andbymanuallytuningtheparametersofthepredictionmodel（maximumtrainingtimesandgloballearningrate）,thepredictionmodelhashighaccuracy.Throughinstanceprediction,thefinalmeanabsoluteerroris0.100,themeansquareerroris0.019,andthemeanabso－lutepercentageerroris1.431%.Themodelhasawiderangeofversatilityforsinglewelldailyoilproduction,andhascertainreferencesignificance.Keywords：LSTMneuralnetworkmodel；productionforecast；parameteroptimization预测石油单井日产量，对于油田开发来说十分重要。石油单井日产量往往受多种不确定因素影响，近年来随着计算机硬件的迭代以及人工智能的发展，包括石油工业在内的越来越多的领域都逐渐引入人工智能石油化工应用PETROCHEMICALINDUSTRYAPPLICATION第42卷第3期2023年3月Vol.42No.3Mar.2023到实际生产当中[1－4]。人工...
