近日，永利6774app手机版官网地質學專業2022級研究生金宇航在SCI三區期刊《Processes》（IF=2.8）發表題為"Tight Oil Well Productivity Prediction Model Based on Neural Network"的研究論文。永利6774app手机版官网為論文第一署名單位，研究生金宇航為論文第一作者，其導師郭康良教授為通訊作者。

産能預測一直是油藏開發的重要組成部分，而緻密油藏更需要準确高效的産能預測模型。由于緻密油藏内部複雜，經由探測儀器獲得的數據需要進行更深層次的數據特征提取操作。采用Pearson相關系數和偏相關系數對産能因子的主控進行分析，得到體積系數、含水飽和度、密度、有效厚度、表皮系數、泥質含量、孔隙度、有效滲透率8個特征參數，并以比産油指數為目标參數。設計了兩種模型結構（BP神經網絡模型和LSTM-BP神經網絡模型），結合某區域井進行訓練測試。結果表明，LSTM-BP神經網絡模型能夠有效地提取動态參數特征，具有較強的泛化能力。

（文章鍊接https://doi.org/10.3390/pr12102088）

圖1 論文首頁