[发明专利]基于动静态信息特征融合神经网络的抽油井多井动液面深度预测方法

摘要

基于动静态信息特征融合神经网络的抽油井多井动液面深度预测方法，属于软测量领域，现场采集若干口有杆泵抽油井历史数据，得出与井下动液面深度相关性强的因素，构建预测模型结构，将油井历史运行数据按比例分成训练集、验证集和测试集；将Huber loss作为神经网络的损失函数，采用梯度下降法对动静态信息特征融合神经网络参数进行优化，得到最优值。本发明实现了对不同井下环境的有杆泵抽油井的多井动液面深度预测，预测精度高，稳定性强。