生成式 AI 驱动的石油产量预测
机器学习
2024-09-26 v1
摘要
对多井油田进行石油产量预测是石油和地热能开采以及储能技术中的一个重要问题。石油预测的准确性是经济预测、碳氢化合物储量估算、流体处理设施建设以及能源价格波动的关键决定因素。我们利用生成式 AI 技术，对跨越四十年的四个多井站点的石油和水产量的时间序列预测进行了建模。我们的目标是有效地建模不确定性并做出精确预测，以指导油田规模的决策过程。我们使用了一种名为 TimeGrad 的自回归模型和一种名为 Informer 的 Transformer 架构变体，后者专门为预测长序列时间序列数据而定制。TimeGrad 和 Informer 的预测结果均与真实数据高度吻合。Informer 的整体表现尤为突出，与 TimeGrad 相比，在预测所有站点的石油产量时展现出更高的效率。
引用
@article{arxiv.2409.16482,
title = {Generative AI-driven forecasting of oil production},
author = {Yash Gandhi and Kexin Zheng and Birendra Jha and Ken-ichi Nomura and Aiichiro Nakano and Priya Vashishta and Rajiv K. Kalia},
journal= {arXiv preprint arXiv:2409.16482},
year = {2024}
}