使用自回归和深度学习模型进行人工采油预测和分析-研究论文

【文件属性】：
文件名称：使用自回归和深度学习模型进行人工采油预测和分析-研究论文
文件大小：506KB
文件格式：PDF
更新时间：2021-06-10 10:14:04
Autoregressive models Oil 石油和天然气行业是著名的行业之一，从生产和经济角度来看，对必要的石油统计数据进行预测和预测都很重要。 人工举升方法被用于提高生产率。 即使底部井口的自然压力合适，我们也确实依靠人工举升机制，如游梁泵、液压泵、ESP（电子潜油泵）和气举来人工将油泵上地面。 为此目的，ESP 是最常用的方法。 已经建立了用于监测井底压力、采油量、井口温度等的 IIOT 设备和传感器。所有这些数据都采用时间序列的形式，使用时间序列算法进行分析，以预先预测未来的产量。 本研究介绍了自回归模型的应用，以基于月度生产时间序列数据估计油井的未来生产性能。 应用深度学习模型 (LSTM) 以获得更高的预测准确性。