基于时序动态分析的油井产量预测研究

摘要

针对目前常用的油井产量预测方法效果并不理想的问题,开展时间序列分析来进行油井产量动态预测研究。采用时间序列分析结合残差修正方法,建立具有时序动态分析能力的产量差分自动回归移动平均模型(Autoregressive Integrated Moving Average,ARIMA),得出预测初始值与真实油井产量的残差;通过构建支持向量机(Support Vector Machine,SVM)时序预测模型进行残差修正,获得油井产量组合预测值;并将长短期记忆网络(Long Short-Term Memory,LSTM)模型与上述方法进行对比。实验表明,组合预测模型、LSTM模型的预测结果平均相对误差率分别为9.81%和32.44%。说明组合模型预测更精准,为油井产量的动态预测提供了一种有效方法,可作为油井在生产计划时的快速实时辅助依据,具有实用价值。