《表2 水驱曲线、FCNN及LSTM预测结果指标对比》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于循环神经网络的油田特高含水期产量预测方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

利用最优模型预测该油田2018年的产量，通过与实际产量对比，相关系数为0.93，平均绝对百分误差为1%（见表2）。LSTM最优参数组合为：隐藏层层数为2，隐藏层神经元个数分别为55和25，时间步长为9个月，即用过去9个月的信息来预测未来1个月的产量，批量大小为2，即用每2个样本更新1次网络参数，训练循环次数为60。