[发明专利]一种基于混合神经网络的致密气井单井产量预测方法

权利要求书

1.一种基于混合神经网络的致密气井单井产量预测方法，其特征在于，

步骤1包括对1028条致密气井单井日产气量数据进行数据清洗及归一化处理；

构建LSTM神经网络网络结构

对麻雀种群初始化并获得最优超参数；

将最优超参数代入LSTM模型并训练得到经过SSA优化的LSTM模型；

对优化后的LSTM模型进行训练生成预测模型；

向预测模型中输入致密气井单井日产气量数据，并对预测数据添加油压、日产液量、套压、流压、每天生产时间作为约束条件，输出参数为单井日产气量；获取结果。

2.如权利要求1所述的一种基于混合神经网络的致密气井单井产量预测方法，其特征在于，所述初始化麻雀种群并迭代筛选获取运算结果的具体步骤是：

S2.1麻雀种群初始化，设置迭代次数和误差阈值；

S2.2计算个体适应度，评估所有麻雀当前位置的适应度并排序；

S2.3发现者、追随者的位置更新及示警麻雀位置更新；

S2.4根据适应度值的大小选择个体，获得最优适应度值和麻雀个体；

S2.5判断是否满足停止条件，如果不满足则继续迭代回到S2.2，若满足则保留运算结果。S2.6从计算结果中获得LSTM模型的超参数，并确定麻雀搜索优化算法优化后的LSTM模型。

3.如权利要求2所述的一种基于混合神经网络的致密气井单井产量预测方法，其特征在于，所述对优化后的LSTM模型进行训练生成预测模型的具体步骤是：

将单井日产气量序列划分为训练集和测试集；

基于训练集使用SSA优化后的LSTM模型学习训练；

生成预测模型。

4.如权利要求3所述的一种基于混合神经网络的致密气井单井产量预测方法，其特征在于，输入用于训练的致密气井单井日产气量数据和作为结果的预测数据，形成已知样本集对所构建的SSA-LSTM预测模型进行训练，其中预测数据为测试集。