[发明专利]基于卷积编码动态序列网络的产量预测方法、装置及设备

说明书

本说明书实施例提供了一种基于卷积编码动态序列网络的产量预测方法、装置及设备，包括：获取各目标水平井对应的静态数据和动态数据；其中，动态数据包括预设时间内各时间点对应的产量数据；基于预测时间点将各目标水平井的动态数据划分为第一动态数据和第二动态数据，获得样本数据集；其中，预测时间点在所述预设时间内；利用样本数据集训练卷积编码动态序列神经网络，获得目标水平井产量预测模型。利用本说明书实施例可以提高压裂水平井的产能预测的准确度。

技术领域

本申请涉及页岩气勘探开发技术领域，特别涉及一种基于卷积编码动态序列网络的产量预测方法、装置及设备。

背景技术

近年来页岩气开发逐渐成为世界能源开发的新热点，由于页岩气主要存在于富有机质的泥页岩及夹层中，以吸附气和游离气存在，所以准确对压裂水平井产量预测对页岩气勘探开发具有重大的指导意义。

现有技术中，由于长短期记忆神经网络结构独特，能够“记住”之前的信息，所以对于时序产量预测，通常采用长短期记忆神经网络进行预测。然而，由于长短期记忆神经网络无法考虑对产量有较大影响但不随时间变化的一些参数，使得利用其获得的产能预测结果与实际情况存在较大偏差。

因此，业内亟需一种可以解决上述问题的技术方案。

发明内容

本说明书实施例提供了一种基于卷积编码动态序列网络的产量预测方法、装置及设备，可以更加充分的利用已有数据，实现静态数据与动态数据的结合，提高压裂水平井的产能预测的准确度。

本说明书提供的一种基于卷积编码动态序列网络的产量预测方法、装置及设备是包括以下方式实现的。

一种基于卷积编码动态序列网络的产量预测方法，包括：获取各目标水平井对应的静态数据和动态数据；其中，所述动态数据包括预设时间内各时间点对应的产量数据；基于预测时间点将各目标水平井的动态数据划分为第一动态数据和第二动态数据，获得样本数据集；其中，所述预测时间点在所述预设时间内；利用所述样本数据集训练卷积编码动态序列神经网络，获得目标水平井产量预测模型。

一种基于卷积编码动态序列网络的产量预测装置，包括：获取模块，用于获取各目标水平井对应的静态数据和动态数据；其中，所述动态数据包括预设时间内各时间点对应的产量数据；划分模块，用于基于预测时间点将各目标水平井的动态数据划分为第一动态数据和第二动态数据，获得样本数据集；其中，所述预测时间点在所述预设时间内；训练模块，用于利用所述样本数据集训练卷积编码动态序列神经网络，获得目标水平井产量预测模型。

一种基于卷积编码动态序列网络的产量预测设备，包括处理器及用于存储可执行指令的存储器，所述处理器执行所述指令时实现本说明书实施例中任意一个方法实施例的步骤。

一种计算机可读存储介质，其上存储有计算机指令，所述指令被执行时实现本说明书实施例中任意一个方法实施例的步骤。

本说明书提供的一种基于卷积编码动态序列网络的产量预测方法、装置及设备可以获取各目标水平井对应的静态数据和动态数据，其中，动态数据包括预设时间内各时间点对应的产量数据，基于预测时间点将各目标水平井的动态数据划分为第一动态数据和第二动态数据，获得样本数据集；其中，所述预测时间点在所述预设时间内，还可以利用样本数据集训练卷积编码动态序列神经网络，获得目标水平井产量预测模型。由于训练卷积编码动态序列神经网络时考虑到了压裂水平井的静态参数，不仅可以更加充分的利用已有数据，实现静态数据与动态数据的结合，提高压裂水平井的产能预测的准确度，而且可以实现以产量序列长时预测产量序列，从而更加贴合实际应用，更好的指导油田生产开发。

附图说明

此处所说明的附图用来提供对本说明书的进一步理解，构成本说明书的一部分，并不构成对本说明书的限定。在附图中：

图1为本说明书实施例提供的一种基于卷积编码动态序列网络的产量预测方法的流程示意图；