基于HDCNNBIGRUAttention油田措施效果预测模型
文档名：基于HDCNNBIGRUAttention油田措施效果预测模型
摘要：为预测油田增油控水措施效果中月产油量与含水量,提出一种基于混合空洞卷积神经网络(HDCNN:HybridDilatedConvolutionalNeuralNetwork)-BIGRU-Attention的措施效果预测模型.模型通过HDCNN,提取生产数据多尺度全局特征;针对措施生产数据时序性较强与波动性较大的特点,利用双向门控循环单元(BIGRU:BidirectionalGatedRecurrentUnit)充分挖掘数据间长期依赖关系,提高时序信息利用率与学习效果;引入缩放点积注意力模块(Attention),为重要信息赋予较高权重并不断调整参数使模型始终关注与预测目标相关性较大的特征.为验证模型的有效性,将LSTM(LongShort-TermMemory)、CNN(ConvolutionalNeuralNetwork)-LSTM以及LSTM-Attention作为实验对比,结果表明该模型具有更低的预测误差与更好的泛化能力.
作者：张强李志溢邓彬Author：ZHANGQiangLIZhiyiDENGBin
作者单位：东北石油大学计算机与信息技术学院,黑龙江大庆163318
刊名：吉林大学学报（信息科学版） ISTIC
Journal：JournalofJilinUniversity(InformationScienceEdition)
年，卷(期)：2023, 41(4)
分类号：TP18
关键词：油田措施效果预测双向门控循环单元混合空洞卷积神经网络缩放点积注意力机制
Keywords：predictionofoilfieldmeasureseffectbidirectionalgatedrecurrentunit(BIGRU)hybriddilatedconvolutionalneuralnetwork(HDCNN)scaleddot-productattentionmechanism
机标分类号：TP391.41TN711-34TP183
在线出版日期：2023年9月26日
基金项目：国家自然科学基金，黑龙江省自然科学基金资助项目，黑龙江省博士后专项基金资助项目基于HDCNN-BIGRU-Attention油田措施效果预测模型[
期刊论文]吉林大学学报（信息科学版）--2023, 41(4)张强李志溢邓彬为预测油田增油控水措施效果中月产油量与含水量,提出一种基于混合空洞卷积神经网络(HDCNN:HybridDilatedConvolutionalNeuralNetwork)-BIGRU-Attention的措施效果预测模型.模型通过HDCNN,提取生产数据多尺度全局...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于HDCNN-BIGRU-Attention油田措施效果预测模型Prediction Model of Oilfield Measures Effect Based on HDCNN-BIGRU-Attention
基于HDCNN-BIGRU-Attention油田措施效果预测模型.pdf
页:
[1]