[发明专利]基于迁移学习的油田产油量预测方法

权利要求书

1.基于迁移学习的油田产油量预测方法，其特征在于，该基于迁移学习的油田产油量预测方法包括：

步骤1，对不同井组的油田数据进行维度对齐处理，使模型可以迁移；

步骤2，采用4层堆叠LSTM网络，使用源井组的数据训练网络；

步骤3，根据损失指标来保存训练中最佳的模型权重参数；

步骤4，加载已训练好的格式模型，训练目标井组的数据，比较预测值和实际值，优化预测模型。

2.根据权利要求1所述的基于迁移学习的油田产油量预测方法，其特征在于，在步骤1中，不同的井组之间会存在数据维度差异，利用维度对齐进行数据预处理，将两个井组不同维度的数据整合到同一维度，使模型可以迁移。

3.根据权利要求1所述的基于迁移学习的油田产油量预测方法，其特征在于，在步骤2中，设计网络结构与参数，把源井组数据归一化后，导入神经网络模型中进行训练而得到预训练模型，为迁移做准备。

4.根据权利要求1所述的基于迁移学习的油田产油量预测方法，其特征在于，在步骤3中，保存训练过程中的最佳模型权重，即保存精度较高的模型，预训练模型很准确的时候，把参数保存，迁移后也能获得较好的结果。

5.根据权利要求1所述的基于迁移学习的油田产油量预测方法，其特征在于，在步骤4中，对样本数据较少的新井组，可以加载预训练模型，在预训练模型的基础上训练，训练出最终模型用于预测油田产油量。