产量预测初步研究

声明：本博客只是本人经过少量文献调研后的个人的浅薄理解，不保证正确性，不具有参考性。

方法

对油气田产量进行科学可靠的预测，是石油企业各项工作的科学安排部署和工作量的合理匹配，制定合理的生产计划、避免盲目投资、实现可持续开发的重要条件。目前产量预测的研究方法较多，大致可分为三大类，一类是传统方法，一类是机器学习方法，一类是组合模型预测方法。

1 传统方法

其中应用的较多的是Arps递减曲线预测，包括指数递减，双曲线递减，调和递减。Arps 递减曲线法是基于经验的, 是只利用产量数据, 不考虑储层参数。在分析时要求油田生产时间足够长,能够发现产量递减趋势 ,适用于分析定压生产情况。

2 机器学习

随着人工智能技术的发展，线性回归、支持向量机、人工神经网络等机器学习方法也被应用到了油田产量预测的研究中。其中用于油井产量预测的人工神经网络主要是BP神经网络和循环神经网络（RNN）。BP神经网络在产量预测中应用较为广泛，大多使用的多输入单输出的三层网络。输入的特征参数主要是油藏地质参数，如孔隙度，渗透率，油藏有效厚度等。由于前者无法保存和利用之前时刻的信息，无法预测时间序列数据，一些研究者又选择了RNN，该方法综合考虑了时间因素，比较符合实际。

3 组合模型预测

通常, 基于人工神经网络的预测方法都是采用单一的预测方法, 而这种单一的方法对不同地质的或人为措施不同的油田通常不能达到满意的预测效果。 例如, 一个特定结构的神经网络可能对某些数据