[发明专利]一种基于LSTM的煤层气井产气量预测方法

权利要求书

1.一种基于LSTM的煤层气井产气量预测方法，其特征在于，所述方法分为以下步骤：

S100、收集单井钻井数据，单井钻井数据包括泵效、井底压力、套管压力、动液面高度和日产气量；

S200、将收集的单井钻井数据存入列数为5的二维矩阵中，对单井钻井数据进行预处理，建立数据集；

S300、建立LSTM神经网络模型，LSTM神经网络模型由遗忘门函数、记忆门函数、输出门函数三部分组成；建立全连接神经网络模型，设定全连接神经网络模型的输入特征数目为20、全连接神经网络模型的隐藏层数为1和输出维度为1；

S400、设置LSTM神经网络模型的输入维度为5、LSTM神经网络模型的隐藏层数为5、LSTM神经网络模型的中间层维度为20、建立的LSTM神经网络模型的激活函数和损失函数，激活函数为relu函数，损失函数为均方损失函数；

S500、用数据集的前3/4的数据训练LSTM神经网络模型，当LSTM神经网络模型同煤层气井的日产气量数据相拟合时，完成LSTM神经网络模型的训练；

S600、在完成LSTM神经网络模型的训练后，将数据集中的后1/4的数据放入训练好的LSTM神经网络模型中，进行对煤层气井日产气量的预测。

2.根据权利要求1所述的一种基于LSTM的煤层气井产气量预测方法，其特征在于，所述对单井钻井数据的预处理包括以下步骤；

S201、将存储单井钻井数据的二维矩阵中单列的空值转移至该列的末端，得到每列都连续的单井钻井数据；

S202、平滑单井钻井数据，当当前数据与前一个数据的比值大于2时，更改当前数据的值为当前数据与前一个数据相加和的平均值，直到当前数据与前一个数据的比值小于2；

S203、将单井钻井数据进行归一化；

S204、将单井钻井数据中的日产量数据作为LSTM神经网络模型的标签数据，将单井钻井数据中的泵效、井底压力、套管压力、动液面高度和日产气量作为LSTM神经网络模型的特征向量，完成了数据集的建立。

3.根据权利要求1所述的一种基于LSTM的煤层气井产气量预测方法，其特征在于，所述遗忘门函数为，式中，W_f为隐藏层与输入特征向量的权重向量，无量纲量；h_t-1为t-1时刻隐藏层向量，无量纲量；x_t为t时刻的输入特征向量，无量纲量；b_f为偏置量向量，无量纲量；e为自然对数的底数，常数；f_t为遗忘门函数处理后的数据向量，无量纲量。

4.根据权利要求1所述的一种基于LSTM的煤层气井产气量预测方法，其特征在于，所述记忆门函数为，式中，W_U为隐藏层与输入特征向量的权重向量，无量纲量；h_t-1为t-1时刻隐藏层向量，无量纲量；x_t为t时刻的输入特征向量，无量纲量；b_U为偏置量向量，无量纲量；U_t为记忆门函数处理后的数据向量，无量纲量。

5.根据权利要求1所述的一种基于LSTM的煤层气井产气量预测方法，其特征在于，所述输出门函数为，式中，f_t为遗忘门函数处理后的数据向量，无量纲量；C_t-1为t-1时刻的输出数据向量，无量纲量；C_t为t时刻的输出数据向量，无量纲量；U_t为记忆门函数处理后的数据向量，无量纲量。