基于CNN-BiLSTM的油藏开发指标预测模型研究
朱必磊
张强
朱刘涛
韩利婷
东北石油大学计算机与信息技术学院 大庆 163318
摘要：针对油田传统产油含水预测方法中特征提取不足、预测精度不高等问题,提出了一种基于CNN-BiLSTM的油藏开发指标预测模型.首先,模型应用InceptionV1R和ResidualBlockX模块增添特征提取结构的多样性,同时采用shortcut方式抑制网络退化及梯度弥散现象;其次,将高斯误差线性单元(GELU)激活函数引入BiLSTM加速模型收敛;最后,采用L2正则化、Dropout和自定义学习率调度器等方法抑制过拟合现象,提高模型泛化能力.为了验证所提模型的性能,分别与RNN、LSTM、GRU、ConvLSTM、BiLSTM及CNN+LSTM等六种模型进行对比分析.结果显示产油量和含水率预测结果平均绝对误差均值皆低于对比的模型,表明论文模型的预测效果更好.
关键词：双向长短期记忆神经网络InceptionV1R模块ResidualBlockX模块预测
分类号：TP18(自动化基础理论)
资助基金：国家自然科学基金(61702093)黑龙江省自然科学基金项目(F2018003)黑龙江省博士后专项(LBH-Q20077)
论文发表日期：2025-08-20
在线出版日期：2025-12-12（本平台首次上网日期，不代表文献的发表时间）
页数：8( 2167-2173,2210 )
英文信息