Der Grund für die unzureichende Leistung des maschinellen Lernens bei der Vorhersage der Produktionsmenge von Öl- und Gasbohrungen liegt darin, dass herkömmliche Methoden zu stark von den Merkmalen historischer Produktionsdaten abhängig sind, wodurch die Vorhersagen eher einer Rekombination historischer Informationen entsprechen und es schwierig ist, neue Trends vorherzusagen. Diese Methoden vernachlässigen andere wichtige zeitliche Variablen, wie die Entwicklungsphase der Bohrung, Druck und Wasserproduktion, die die Produktion beeinflussen. Zur Lösung dieser Probleme schlug die Studie Gegenmaßnahmen in Bezug auf Druck, Wasserproduktion und Produktion vor und entwickelte eine Methode zur Vorhersage der Produktion von Öl- und Gasbohrungen basierend auf einem zeitlichen Aufmerksamkeits-Dynamik-Faltungsnetzwerk. Diese Methode basiert auf einem zeitlichen Faltungsneuronalen Netzwerk als Basismodell, welches Multi-Head-Attention und dynamische Faltungsmechanismen einführt, um langfristige Abhängigkeiten zwischen verschiedenen Zeitpunkten in der Eingabefeature-Sequenz zu erfassen und jedem Zeitpunkt unterschiedliche Gewichte zuzuweisen. Das dynamische Faltungsmodul kann die Faltungskernparameter dynamisch basierend auf der Ausgabe des zeitlichen Aufmerksamkeitsmoduls generieren und sich somit an unterschiedliche Produktionsphasen anpassen. Die Überlegenheit des auf zeitlicher Aufmerksamkeit basierenden dynamischen Faltungsmodells zur Produktionsvorhersage wurde durch die Validierung an komplexen realen Fällen mehrerer Bohrungen im Gasfördergebiet Anyue demonstriert. Die Studie zeigte, dass das vorgeschlagene Modell bei zufälliger Auswahl von vier Bohrungen bessere Vorhersageergebnisse erzielte. Durch die Visualisierungsanalyse der Aufmerksamkeits- und dynamischen Faltungsgewichte wurde festgestellt, dass das Modell in der Lage ist, die Faltungskerngewichte dynamisch entsprechend den unterschiedlichen Entwicklungsphasen anzupassen, insbesondere in den Anfangs-, Übergangs- und Rückgangsphasen von Gasbohrungen. Durch die Kombination der Beziehungen zwischen Druck, Wasserproduktion und Produktion während der Entwicklungsphasen kann das zeitliche Aufmerksamkeits-Dynamik-Faltungsnetzwerkmodell seine Struktur und Parameter adaptiv anpassen, um eine präzise Vorhersage der Öl- und Gasbohrungsproduktion zu ermöglichen.

Vorhersage der Öl- und Gasbohrungsproduktion;zeitliches Faltungsneuronales Netzwerk;Multi-Head-Attention;dynamische Faltung;adaptiv