CN119443157A 一种基于试油修井进行产量预测的方法 （西南石油大学）_第1页
CN119443157A 一种基于试油修井进行产量预测的方法 （西南石油大学）_第2页
CN119443157A 一种基于试油修井进行产量预测的方法 （西南石油大学）_第3页
CN119443157A 一种基于试油修井进行产量预测的方法 （西南石油大学）_第4页
CN119443157A 一种基于试油修井进行产量预测的方法 （西南石油大学）_第5页
已阅读5页，还剩13页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

申请公开了一种基于试油修井进行产量预测的2S200、将所述训练集输入至所述第一模型，S110、采集试油修井时作业的所述生产数据，对S220、基于所述第一特征，采用超参数寻优算索以得到对应的所述最优超参数，将所述最优超参数应用至第一模型中得到所述预测模6.根据权利要求3或4所述的基于试油修井一模型采用自注意力机制和双向长短期记忆3选用均方误差、平均绝对误差和相对标准误差作为评价指标，综合45[0014]本申请的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结相同或类似的标号表示相同或类似的元件或具有相同或类迭代第一模型的超参数以得到最优超参数，将最优超参数应用至第一模型得到预测模型，将至少部分第一数据集输入至预测模型中以输出得到预6归一化后的生产数据定义为第一数据集，将第一数据集作为输入以进行试油修井产量预应的模型不仅可以自动提取生产数据的时序特征信息，还能凸显关键特征信息，从而具有较强的特征提取能力。7模型对生产数据进行第一特征的提取以便于进行[0037]本示例中的试油修井作业的生产数据包括从地面设备中得到的从地面设备中得[0040]本示例中的第一模型为AM_BiLSTM模型，将训练集输入至AM_BiLSTM模型进行训[0042]注意力集中机制（AttentionMechanism）在处理各种时间序列数据时经常被使8z(i,j)=lb(i)+rand()x(ub(i)-Ib(i))z的更新依赖于捕猎成功概率ES。如果捕猎成功(rand()<ES)，更新公式如下：zew(i,j)=z(i,)+srx(trexpos(ij)xtr-Target(1,j)xrand()xpr)其中，zsw(i,j)是第i个搜索代理在第j维度上的新位置，trexpos(i,j)是第i个搜索成功(rand()≥ES)：9骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固[0054]本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论