近日，地球科学学院地质学专业2022级研究生金宇航在SCI三区期刊《Processes》（IF=2.8）发表题为"Tight Oil Well Productivity Prediction Model Based on Neural Network"的研究论文。长江大学地球科学学院为论文第一署名单位，研究生金宇航为论文第一作者，其导师郭康良教授为通讯作者。

产能预测一直是油藏开发的重要组成部分，而致密油藏更需要准确高效的产能预测模型。由于致密油藏内部复杂，经由探测仪器获得的数据需要进行更深层次的数据特征提取操作。采用Pearson相关系数和偏相关系数对产能因子的主控进行分析，得到体积系数、含水饱和度、密度、有效厚度、表皮系数、泥质含量、孔隙度、有效渗透率8个特征参数，并以比产油指数为目标参数。设计了两种模型结构（BP神经网络模型和LSTM-BP神经网络模型），结合某区域井进行训练测试。结果表明，LSTM-BP神经网络模型能够有效地提取动态参数特征，具有较强的泛化能力。

（文章链接https://doi.org/10.3390/pr12102088）

图1 论文首页