現在、機械学習が油ガス井の生産量予測において効果が低い理由は、従来の方法が過去の生産データ特徴に過度に依存しているため、予測結果が過去情報の再構成に偏りがちであり、新しいトレンドを予測しにくいことにあります。これらの方法は、井戸の開発段階、圧力、産水など、生産量に影響を与える他の重要な時系列変数を無視しています。これらの問題を解決するために、本研究では圧力、産水、生産量の関連対策を提案し、時系列注意力動的畳み込みニューラルネットワークに基づく油ガス井生産量予測法を構築しました。この方法は時域畳み込みニューラルネットワークを基礎モデルとして、マルチヘッドアテンションと動的畳み込み機構を導入し、入力特徴列の異なる時間ステップ間の長期依存関係を捉え、各時間ステップに異なる重みを割り当てます。動的畳み込みモジュールは時系列注意力モジュールの出力に基づき、動的に畳み込みカーネルのパラメータを生成し、異なる生産段階の入力特徴に適応します。安岳のガス生産作業区における複数井戸の実際で複雑なケース検証により、時系列注意力動的畳み込みに基づく油ガス井生産量予測モデルの優位性を示しました。研究では、提案モデルがランダムに選択された4つの井戸に対してより良い予測性能を示すことを明らかにしました。注意力重みと動的畳み込み重みの可視化解析により、本モデルがガス井の初期段階、過渡期、衰退段階など異なる開発段階に応じて動的に畳み込みカーネル重みを調整できることが分かりました。開発段階の圧力、産水、生産量の関係を組み合わせることで、時系列注意力動的畳み込みニューラルネットワークモデルはその構造とパラメータを自己適応的に調整し、油ガス井の生産量を正確に予測します。

油ガス井生産量予測;時域畳み込みニューラルネットワーク;マルチヘッドアテンション;動的畳み込み;適応型