LSTM-递减曲线产量预测法

预测误差降逾25%

将序列分解重构与物理约束结合，为致密储层水平井提供更可靠的产量预测。

Jinxin, Cao · 李宜强 · Yaqian, Zhang · Xuechen, Tang · Li, Qihang · Zhang, Y. L. · Liu, Zheyu

Engineering Applications of Artificial Intelligence 2025

参数信息

产量预测误差降幅

25 %

技术优势

预测误差降逾25%

与单独 LSTM、BP、RF、CNN 相比，提出方法将产量预测误差降低至少 25%。

分离时间趋势

EMD 分解后，残差代表储层能量递减趋势，IMF 捕捉人工施工引起的波动，使各分量更易预测。

嵌入物理约束

用 DCA 拟合代表能量递减的残差，将油藏工程先验知识注入预测流程。

应用场景

• 油气产量预测：用混合模型替代单一神经网络，更准预测单井产量。
• 非常规油气开发：专为致密储层压裂水平井设计，契合非常规开发需求。
• 数据驱动油藏分析：以产量数据驱动，融合信号处理做油藏动态分析。