發(fā)布時間：2022-01-10 02:15

　　現(xiàn)有油藏儲量預(yù)測方法的精度遠(yuǎn)不能滿足實際應(yīng)用的需求。受循環(huán)神經(jīng)網(wǎng)絡(luò)和注意力機制的啟發(fā),提出一種專注智能油藏儲量預(yù)測的深度時空注意力模型。該模型通過時間注意力模型來捕獲輸入數(shù)據(jù)之間的關(guān)鍵信息,空間注意力模型捕獲隱藏狀態(tài)之間的關(guān)系緊密程度,能夠緩解數(shù)據(jù)波動對預(yù)測結(jié)果的不利影響,從而大幅減小預(yù)測誤差。結(jié)果表明,相比傳統(tǒng)方法和已有的深度學(xué)習(xí)方法,該模型預(yù)測精度有顯著提高,為今后油藏儲量預(yù)測提供一種更優(yōu)的選擇。 

【文章來源】：中國石油大學(xué)學(xué)報(自然科學(xué)版). 2020,44(04)北大核心EICSCD

【文章頁數(shù)】：6 頁

【部分圖文】：

深度時空注意力模型網(wǎng)絡(luò)結(jié)構(gòu)示意圖

圖2是在010301區(qū)塊上的擬合效果。為了更好地觀察試驗效果,從5種對比方法中挑選2種比較有代表性的方法作為對比,即傳統(tǒng)方法中目前效果最好的原始曲線方法和目前為止深度學(xué)習(xí)方法中效果最好的LSTM_att方法(只用一個時間注意力機制的LSTM方法,是本試驗的消融對比試驗)。從圖2中可以觀察到,幾種方法預(yù)測曲線基本能夠把握住數(shù)據(jù)總體的趨勢走向,與傳統(tǒng)的曲線擬合方法相比,深度學(xué)習(xí)方法效果明顯更好,能夠很好的消除某一年份的數(shù)值波動對之后年份的影響。本文中提出的att2方法(紅色曲線)結(jié)果明顯優(yōu)于LSTM_att方法(藍(lán)色曲線),尤其是在預(yù)測的穩(wěn)定性上,取得目前已知的最優(yōu)結(jié)果,充分證明了該方法的有效性。6 結(jié)束語


本文編號：3579867