地球科学学院研究生张继英以第一作者身份在期刊《Energy&Fuels》上发表了题目”A Hybrid Bayesian Self-Attention Mechanism Long Short-Term Memory Method for Robust Production Prediction in Tight Sandstone Gas Reservoirs”的研究论文，其导师陈鹏老师为通讯作者。

图1 文章首页截图

可靠的产量预测是致密砂岩气藏高效开发管理的关键。这类气井频繁关井、复产作业会造成产量序列不连续，致使传统预测方法精度大幅下降。本文构建了一种状态感知模型框架，用于该工况下的日产气量预测与关井识别。该框架将用于产量预测的长短期记忆（LSTM）自注意力模块与用于无监督关井识别的 LSTM 自编码器相结合，并分别采用贝叶斯优化对两个模块的超参数进行调优。该框架可在同一套工作流内捕捉长时间时序依赖关系，并识别关井异常工况。因此，该框架为致密砂岩气藏的产量预测与气井生产状态识别提供了一种数据驱动技术手段。

图2 产量预测模型结构图

图3 关井识别数据处理流程图

论文链接：https://doi.org/10.1021/acs.energyfuels.6c02274