第２５卷第３期重庆科技学院学报(自然科学版)２０２３年６月融合注意力机制的Ｂｉ－ＬＳＴＭ页岩气产能预测方法朱仲义１刘洪２岳圣杰１周鸿３朱怡晖１文宏川２(１.中石油西南油气田分公司页岩气研究院ꎬ成都６１００５１ꎻ２.重庆科技学院安全工程学院ꎬ重庆４０１３３１ꎻ３.中石油西南油气田分公司蜀南气矿ꎬ四川泸州６４６００１)收稿日期:２０２２－１０－２７基金项目:重庆市自然科学基金重点项目“深层页岩气压裂复杂裂缝形成机理及工艺技术研究”(ＣＳＴＣ２０２０ＪＣＹＪ－ＺＤＸＭＸ０００１)作者简介:朱仲义(１９８２—)ꎬ女ꎬ硕士ꎬ研究方向为页岩气开发ꎮ通信作者:刘洪(１９７２—)ꎬ男ꎬ博士ꎬ教授ꎬ研究方向为油气藏产能评价ꎮ摘要:传统的经验公式法和数学解析法对页岩气产能预测的误差较大ꎬ为此ꎬ提出一种融合注意力机制的双向长短时记忆神经网络(Ａｔｔｅｎｔｉｏｎ－Ｂｉ－ＬＳＴＭ)对页岩气产能进行预测ꎮ在Ｂｉ－ＬＳＴＭ的网络层架构中添加注意力机制后ꎬ神经网络输入子集的能力、模型处理时间序列数据的能力均得到了提升ꎮ采用该模型对页岩气井的日产气量进行预测ꎬ相对于单一的Ｂｉ－ＬＳＴＭ、ＬＳＴＭꎬ此模型的预测效果更好ꎮ关键词:页岩气产能预测ꎻ注意力机制ꎻ双向长短时记忆神经网络中图分类号:ＴＥ３７７文献标识码:Ａ文章编号:１６７３－１９８０(２０２３)０３－００５２－０６０前言页岩气井的产能预测对页岩气高效开发及商业化发展具有重要的现实意义ꎮ受储层与工程等多种因素的综合影响ꎬ页岩气井的产能规律不清晰ꎮ机器学习在致密油藏页岩气开发中的应用处于初步探索阶段ꎬ大部分研究者倾向于通过经验公式法、数学解析法或物理模型模拟法等对页岩气产能进行预测[１－３]ꎮ冯曦等人基于定压生产对试井模型进行求解ꎬ可精确计算气井绝对无阻流量的解析解ꎬ并以均质储层直井为参照基准ꎬ定量描述了不同类型气井产能不稳定性的特征[４]ꎮ王治平等人提出了古隆起背景下“沉积选区、构造分带、保存控藏”的斜坡型页岩气藏差异富集理论[５]ꎮ杨洋等人提出一种基于气井生产数据拟合的产能评价方法ꎬ采用Ｂｌａｓｉｎｇａｍｅ等产量递减分析图版对气井的生产数据进行历史拟合ꎬ预测了不同工作制度下的井底流压ꎬ并通过拟合产能方程计算了气井的无阻流量[６]ꎮ强小龙等人根据气井产能的影响因素绘制了产能预测图版ꎬ用以预测投产井的产能指标[７]ꎮ这些传统的产能预测方法复杂而繁琐ꎬ石军太等人提出了一种快速、准确...
