السبب وراء الأداء غير الجيد لتعلم الآلة في توقع إنتاج آبار النفط والغاز حالياً يرجع إلى اعتماد الطرق التقليدية بشكل مفرط على خصائص بيانات الإنتاج التاريخية، مما يجعل النتائج تتجلى بشكل أكبر على أنها إعادة تجميع للمعلومات التاريخية بدلاً من توقع اتجاهات جديدة. هذه الطرق تتجاهل متغيرات زمنية مهمة أخرى، مثل مرحلة تطوير البئر، الضغط وإنتاج الماء وتأثيرها على الإنتاج. لحل هذه المشاكل، اقترحت الدراسة استراتيجيات تربط بين الضغط، إنتاج الماء والإنتاج، وأنشأت طريقة لتوقع إنتاج آبار النفط والغاز تعتمد على شبكة عصبية تلافيفية ديناميكية بالاهتمام الزمني، مستندة إلى شبكة عصبية تلافيفية زمنية، مع إدخال انتباه متعدد الرؤوس وآلية تلافيف ديناميكية لالتقاط الاعتماد طويل الأمد بين خطوات الزمن المختلفة في تسلسل الخصائص المدخلة، مع تخصيص أوزان مختلفة لكل خطوة زمنية. يسمح وحدة التفاف ديناميكية بتوليد معلمات نواة التلافيف ديناميكياً اعتماداً على مخرجات وحدة الاهتمام الزمني، ليتكيف مع خصائص المدخلات لمراحل الإنتاج المختلفة. تم التحقق من تفوق نموذج التوقع القائم على الاهتمام الزمني والتلافيف الديناميكية من خلال حالات معقدة حقيقية لعدة آبار في منطقة تشغيل الغاز بأنييو. أظهرت الدراسة أن النموذج المقترح أدّى بشكل أفضل في التوقعات عند التعامل مع أربعة آبار مختارة عشوائياً. من خلال التحليل المرئي لأوزان الاهتمام والتلافيف الديناميكية، تم اكتشاف قدرة النموذج على ضبط أوزان نواة التلافيف ديناميكياً حسب مراحل التطوير المختلفة، خاصة في المراحل الأولية والانتقالية والتراجع لآبار الغاز. من خلال الجمع بين علاقة الضغط، وإنتاج الماء والإنتاج خلال مراحل التطوير، يستطيع نموذج شبكة الاهتمام الزمني والتلافيف الديناميكية التكيف مع هيكله ومعلماته لتحقيق توقع دقيق لإنتاج آبار النفط والغاز.

توقع إنتاج آبار النفط والغاز;شبكة عصبية تلافيفية زمنية;انتباه متعدد الرؤوس;تلافيف ديناميكية;تكيفي