(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211061735.6 (22)申请日 2022.08.31 (71)申请人 中国石油化工股份有限公司石油工 程技术研究院 地址 102206 北京市昌平区沙河镇百沙路5 号春潮大厦 申请人 中国石油大 学(北京) (72)发明人 廖璐璐　李根生　杨顺辉　田守嶒　 宋先知　王天宇　高启超　胡晓东　 周珺　祝兆鹏　涂志勇　徐茂雅　 (74)专利代理 机构 北京三友知识产权代理有限 公司 11127 专利代理师 贾磊　刘飞 (51)Int.Cl. G06Q 10/04(2012.01)G06Q 50/06(2012.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种产油量预测模型建立方法、 产能预测方 法及存储介质 (57)摘要 本文提供了一种产油量预测模 型建立方法、 产能预测方法及存储介质， 包括： 获取清洗完成 的训练集和测试集， 其中， 训练集和测试集包括 若干组历史数据， 包括地质参数、 施工参数以及 产油量； 将训练集中的地质参数和施工参数均输 入初始化完成的预测模型， 得到模型输出值； 使 用损失函数确定模型输出值与测试集中真实值 的误差项， 损失函数根据真实损失函数和物理损 失函数确定得到； 根据损失函数更新当前预测模 型中各个节 点的权重系数， 得到训练完成的预测 模型， 实现了根据物理损失函数校正损失函数， 考虑到了页岩油气储层的物理规律， 并通过真实 损失函数和物理损失函数共同确定损失函数进 行更新各个节 点的权重系数， 可以提升模型的收 敛速度和预测精度。 权利要求书2页 说明书12页 附图6页 CN 115375031 A 2022.11.22 CN 115375031 A 1.一种产油量预测模型建立方法， 其特 征在于， 包括： 获取清洗完成的训练集和测试集， 其中， 所述训练集和测试集包括若干组历史数据， 所 述历史数据包括 地质参数、 施工参数以及对应的产油量； 将所述训练集中的所述地质参数和所述施工参数均输入初始化完成的预测模型中， 得 到模型输出值； 使用损失函数确定所述模型输出值与所述测试集中真实值的误差项， 其中， 所述损 失 函数根据真实损失函数和物理损失函数确定得到； 根据所述损失函数更新当前预测模型中各个节点的权重系数， 得到训练完成的所述预 测模型。 2.根据权利要求1所述的产油量预测模型建立方法， 其特征在于， 所述损失函数根据真 实损失函数和物理损失函数确定得到， 进一 步包括： 根据所述模型输出值和所述测试集确定所述真实损失函数； 根据所述模型输出值和所述目标油井的物理约束确定所述物理损失函数； 根据惩罚因子、 特征数量、 所述真实损失函数和所述物理损失函数确定所述损失函数， 其中， 所述特 征数量根据所述训练集中所述历史数据的组数确定得到 。 3.根据权利要求2所述的产油量预测模型建立方法， 其特征在于， 所述根据所述模型输 出值和所述目标油井的物理约束确定所述物理损失函数， 进一 步包括： 根据物理约束公式： 确定所述目标油井的物理约束Qtheory， 其中nF为目标油井井网中的裂缝数量， s为 拉普拉 斯空间变量， 根据地质特征在拉普拉斯空间中确定得到， 其中所述地质特征包括基 质孔隙度/渗透率、 油层几何参数、 原油粘度、 原油压缩比、 开采时间、 井底温度、 初始储层压 力和井底流压； 所述物理损失函数为Eth＝(QNN‑Qtheory)2， 其中QNN为向所述预测模型输入所述测试集后 得到的输出产量。 4.根据权利要求3所述的产油量预测模型建立方法， 其特征在于， 所述根据所述模型输 出值和所述测试集确定所述真实损失函数， 进一 步包括： 所述真实损失函数为Ere＝(QNN‑Qreal)2， 其中Qreal为所述测试集中所述井网的真实产量。 5.根据权利要求4所述的产油量预测模型建立方法， 其特征在于， 所述根据惩罚 因子、 特征数量、 所述真实损失函数和所述物理损失函数确定所述损失函数， 进一 步包括： 所述损失函数为： 其中， n为特征数量， λ为 惩罚因子 。 6.根据权利要求5所述的产油量预测模型建立方法， 其特征在于， 在根据 所述损失函数 更新当前 预测模型中各个节点的权 重系数， 得到训练完成的所述预测模型之后， 包括： 将第一惩罚 因子λ代入至损 失函数， 通过具有该损 失函数的预测模型预测得到输出产 量QNN；权　利　要　求　书 1/2 页 2 CN 115375031 A 2通过随机扰动算法产生多个第 二惩罚因子λ ′并代入至损失函数， 通过具有该损失函数 的预测模型 预测得到多个输出产量 QNN′； 判断输出产量 QNN与输出产量 QNN′的大小关系； 若输出产量 QNN大于输出产量 QNN′， 则将第一 惩罚因子 λ作为当前 预测模型的惩罚因子 。 7.根据权利要求6所述的产油量预测模型建立方法， 其特征在于， 所述判断输出产量QNN 与输出产量 QNN′的大小关系， 进一 步包括： 若输出产量 QNN小于输出产量 QNN′， 则获取初始温度以及随机数， 其中所述随机数为0 ‑1； 根据公式确定采纳概率 其中， T为初始温度， ΔEk为输出产量QNN′减去输出 产量QNN的差值； 若所述采纳概率Pk大于所述随机数， 则将第二惩罚因子λ ′作为当前预测模型的惩罚因 子； 若所述采纳概率Pk小于所述随机数， 则将第一惩罚因子λ作为当前预测模型的惩罚因 子。 8.根据权利要求1所述的产油量预测模型建立方法， 其特征在于， 所述根据所述损失函 数更新当前 预测模型中各个节点的权 重系数， 得到训练完成的所述预测模型， 进一 步包括： 根据梯度下降公式 更新各个节点的权 重系数ωi+1， 其中α 为迭代步长系数， ωi为更新前的权 重系数。 9.一种产能预测方法， 其特征在于， 所述方法采用如权利要求1 ‑8中任一项所述的产油 量预测模型建立方法建立的预测模型， 针对目标油井的地质参数和目标油井的施工参数预 测目标油井的产油量。 10.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质存储有计算机程 序， 所述计算机程序被处理器执行时实现权利要求1 ‑8中任一项所述的产油量预测模型建 立方法。权　利　要　求　书 2/2 页 3 CN 115375031 A 3