[发明专利]基于维诺图及时空图卷积神经网络的产油量预测方法

说明书

本发明提供一种基于维诺图及时空图卷积神经网络的产油量预测方法，该基于维诺图及时空图卷积神经网络的产油量预测方法包括：步骤1，获取目标井网数据；步骤2，根据井网的位置信息，建立结构图；步骤3，基于维诺图对邻接矩阵进行处理；步骤4，建立时空图卷积神经网络模型；步骤5，进行网络模型训练及产油量预测。该基于维诺图及时空图卷积神经网络的产油量预测方法不仅可以考虑到相关因素对产油量的影响，而且还可以考虑到数据在时间上的相关性，并且预测精度高，可以作为一种新的方法应用于油田中生产经的产油量预测。

技术领域

本发明涉及油田开发技术领域，特别是涉及到一种基于维诺图及时空图卷积神经网络的产油量预测方法。

背景技术

目前在油田生产井产油量预测中使用的人工智能算法主要是基于反向传播神经网络和支持向量机回归方面的算法，但是这两类方法在预测过程中无法考虑到数据在时间上的相关性。

在申请号：CN201910917091.8的中国专利申请中，涉及到一种油气产能检测方法及系统，涉及油气藏勘探开发领域。该方法包括：将数值数据、类别数值数据和结构化数据分别输入到预设的混合神经网络模型中；通过多层感知机网络对数值数据和类别数值数据进行处理，得到第一输出结果；通过卷积神经网络对结构化数据进行处理，得到第二输出结果；通过全连接层和激活函数对第一输出结果和第二输出结果进行处理，得到油气井的产能。

在申请号：CN202010604568.X的中国专利申请中，涉及到一种基于人工智能的石油产量预测方法。该方法包括：将多个历史时间点的石油产量相关信息输入至经训练的时间序列预测模型，依次输出下一个时间点的石油产量相关信息，进而获得时间序列预测值；对于所述时间序列预测值，判断异常事件和对应的时间点，并以降低异常波动带来的损失为目标，通过滑动平均模型计算所述异常事件时间点后续的石油产量相关信息的预测值；以计算出的石油产量相关信息的预测值替换所述时间序列模型输出的对应时间点的预测值，获得石油产量预测结果。

在申请号：CN201510535506.7的中国专利申请中，涉及到一种改进的神经网络的油井产量预测方法及其装置，其涉及石油生产领域，它通过改进的粒子群优化算法对神经网络中的隐层连接权值、输出层连接权值进行优化，再利用神经网络和历史的油井基本参数建立油气产量的预测模型，最终通过输入样本值得到该样本值下的油井产量预测值。

以上现有技术均与本发明有较大区别，未能解决我们想要解决的技术问题，为此我们发明了一种新的基于维诺图及时空图卷积神经网络的产油量预测方法。

发明内容

本发明的目的是提供一种预测精度高，可以应用于油田中生产经的产油量预测的基于维诺图及时空图卷积神经网络的产油量预测方法。

本发明的目的可通过如下技术措施来实现：基于维诺图及时空图卷积神经网络的产油量预测方法，该基于维诺图及时空图卷积神经网络的产油量预测方法包括：

步骤1，获取目标井网数据；

步骤2，根据井网的位置信息，建立结构图；

步骤3，基于维诺图对邻接矩阵进行处理；

步骤4，建立时空图卷积神经网络模型；

步骤5，进行网络模型训练及产油量预测。

本发明的目的还可通过如下技术措施来实现：

在步骤1中，获得需要进行产油量预测的目标生产井网的各类信息，包括采油速率、注水速率、井点位置、射孔信息、地层厚度、渗透率、流体粘度、压力数据以及不同时刻的开关井状态。

在步骤2中，根据得到的井网的位置信息，以井网中注水井、生产井为数据结构节点，以注水井和生产井之间的连接为边，建立目标井网对应的结构图。