油气开发 | 浏览量 : 0 下载量: 0 CSCD: 0 CNKI被引量: 0 Scopus: 0 更多指标

  • 导出

  • 分享

  • 收藏

  • 专辑

    • 基于改进LSTM神经网络的加密井产能预测研究——以川南中深层页岩气为例

    • Research on productivity prediction method of infilling well based on improved LSTM neural network: A case study of the middle-deep shale gas in South Sichuan

    • “在川南中深层页岩气开发领域，专家采用灰狼优化算法优化的长短期记忆神经网络模型，为加密井产能预测提供新方法。”
    • 2025年15卷第3期 页码：479-487   

      收稿：2024-06-27，

      纸质出版：2025-06-26

    • DOI： 10.13809/j.cnki.cn32-1825/te.2025.03.015     

    移动端阅览

  • 官文洁, 彭小龙, 朱苏阳, 等. 基于改进LSTM神经网络的加密井产能预测研究: 以川南中深层页岩气为例[J]. 油气藏评价与开发, 2025, 15(3): 479-487. DOI： 10.13809/j.cnki.cn32-1825/te.2025.03.015.
    GUAN Wenjie, PENG Xiaolong, ZHU Suyang, et al. Research on productivity prediction method of infilling well based on improved LSTM neural network: A case study of the middle-deep shale gas in South Sichuan[J]. Petroleum Reservoir Evaluation and Development, 2025, 15(3): 479-487. DOI： 10.13809/j.cnki.cn32-1825/te.2025.03.015.
  •  
  •  
文章被引用时，请邮件提醒。
提交

相关文章

暂无数据

相关作者

吕栋梁 西南石油大学石油与天然气工程学院
黎鸿屿 西南石油大学石油与天然气工程学院
李健 中国石油大港油田分公司勘探开发研究院
成亚斌 中国石油大港油田分公司勘探开发研究院
李辉 中国石油大港油田分公司勘探开发研究院

相关机构

西南石油大学石油与天然气工程学院
中国石油大港油田分公司勘探开发研究院
0