石油产量预测文献调研3

基于机器学习方法的油井日产油量预测

摘要：
建立了一种利用机器学习方法，根据现场广泛易得的油藏静态资料和开发动态参数实现油井日产油量的快速准确预测。传统的BP神经网络无法准确描述产量变化在时间维度上的相关性，因而基于长短期记忆神经网络 (LSTM)，建立能够考虑生产动态数据变化趋势和前后关联性的产量预测模型，是实现油井日产油量预测更为有效的途径。首先根据平均不纯度减少(MDI)方法，分析各个因素对单井产量的影响程度，基于征参数的重要性进行数据降维，排除不相关的冗余特征，确定影响油井产量的主要因素。结合筛选出的特征参数和日产油量数据对LSTM模型进行训练和优化，建立最终的油井产量预测模型。

原理与方法：
MDI 特征选择：
采用特征对于决策树模型预测误差的变化大小来度量特征参数的重要性。 计算过程如下：假设存在m个特征($x_1$,$x_2$,…, x m