来源：期刊VIP网 时间：
作者：李春雷;杨河山;张红霞;曹裕民;姜兴兴;靳彩霞;
单位：中国石化胜利油田分公司勘探开发研究院;中国石油大学(华东);
摘要：油藏静压是油田开发研究中的一项重要基础资料，其获取条件苛刻，样本数量极少，目前根据生产过程中的动压数据利用经验法估算静压，数据误差较大。针对上述问题，借助深度学习理论，提出一种基于Transformer时间序列分块模型的CO_2驱油藏静压预测方法。根据相关性分析筛选模型参数，利用迭代插补器填充样本，构建静压预测样本集；依据通道独立原则，将多变量时间序列划分为单变量时间序列，引入时间序列分块机制将时间序列切分为子序列块以捕获局部特征；基于Transformer模型架构，利用多头自注意力机制提取特征，自监督学习机制提升对复杂动态特性的捕捉能力，实现CO_2驱油藏静压的预测。研究结果表明，所提出的模型可以实现对未停产井组每口井油层中部静压的预测，并显著提高预测的准确性。
关键词：深度学习;;时间序列分块模型;;油藏静压;;预测模型;;Transformer
基金资助：深地国家科技重大专项“深部CO2封存空间高效监测技术研究及示范”（2024ZD1004300）;; 中国石化科技攻关项目“基于数据驱动的CO2驱油与封存一体化优化设计技术”（P23027）和“CO2驱油与封存一体化优化决策系统研究及应用”（P24067）
