[发明专利]一种基于输入特征误差修正的天然气井产量预测方法

权利要求书

1.一种基于输入特征误差修正的天然气井产量预测方法，其特征在于，包括以下步骤：

S1.建立LSTM神经网络模型A，将天然气井采集所得跨接管温度、跨接管压力、井口温度、油嘴后温度、油嘴后压力作为输入神经元，将天然气井采集所得井口压力的实际值作为输出神经元，对LSTM神经网络模型A训练后得到井口压力预测值；

建立LSTM神经网络模型B，将天然气井采集所得跨接管温度、跨接管压力、井口压力、油嘴后温度、油嘴后压力作为输入神经元，将天然气井采集所得井口温度的实际值作为输出神经元，对LSTM神经网络模型B训练后得到井口温度预测值；

S2.将井口压力的实际值与井口压力预测值做差得到压力误差集，将压力误差集作为测试集，以天然气井采集所得跨接管温度、跨接管压力、井口温度、井口压力、油嘴后温度、油嘴后压力、机理模型计算流量7个参数作为输入神经元，以压力误差集作为输出神经元，建立LSTM神经网络模型C；对LSTM神经网络模型C训练后输出井口压力误差预测值；

将井口温度的实际值与井口温度预测值做差得到温度误差集，将温度误差集作为测试集，以天然气井采集所得跨接管温度、跨接管压力、井口温度、井口压力、油嘴后温度、油嘴后压力、机理模型计算流量7个参数作为输入神经元，以温度误差集作为输出神经元，建立LSTM神经网络模型D；对LSTM神经网络模型D训练后输出井口温度误差预测值；

S3.将井口压力预测值与井口压力误差预测值相加后得到修正压力，将井口温度预测值与井口温度误差预测值相加后得到修正温度；

S4.将修正压力和修正温度带入机理模型，重新计算得到经过输入特征误差修正后的油井流量。

2.一种基于输入特征误差修正的天然气井产量预测装置，其特征在于，包括：

采集模块，用于采集天然气井的跨接管温度、跨接管压力、井口温度、油嘴后温度、油嘴后压力、井口压力；

输入模块，用于输入各个LSTM神经网络模型所需的数据；

输出模块，包括四个分别用于得到井口压力预测值、井口温度预测值、井口压力误差预测值和井口温度误差预测值的LSTM神经网络模型，用于计算得到经过输入特征误差修正后的油井流量。

3.一种电子设备，其特征在于，包括：处理器，以及与所述处理器通信连接的存储器和收发器；

所述处理器，所述存储器及所述收发器之间电路互连；

所述存储器存储计算机执行指令；所述收发器用于收发数据；

所述处理器执行所述存储器存储的计算机执行指令，以实现权利要求1中所述天然气井产量预测方法的步骤。

4.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现权利要求1所述天然气井产量预测方法的步骤。

5.一种计算机程序产品，其特征在于，包括计算机执行指令，该计算机执行指令被处理器执行时实现权利要求1所述天然气井产量预测方法的步骤。