《表2 3种方法预测2017年新井单井年产油量效果对比》

  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

《基于长短期记忆神经网络的油田新井产油量预测方法》

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

将训练好的模型用于预测2017年新井单井年产油量，根据标准化的过程，将预测变量逆向还原后与实际值对比，并计算预测值的平均预测误差。利用支持向量回归模型和BP神经网络对同一数据集建模进行预测。从3种方法的预测结果及对比（表2）可看出，LSTM神经网络的预测值为1 255.67t/a，与实际值1 287.76 t/a差距较小，平均预测误差为1.45%，说明应用LSTM神经网络对油田产油量的预测精度较高；并且30次训练过程中预测值的标准差为18.48，预测误差的标准差为0.99%，说明构建出的模型在不同的随机初始权重下得到的预测结果有着较好的稳定性。