一种气藏采收率预测模型的训练方法及装置

本申请公开一种气藏采收率预测模型的训练方法及装置，可应用于深度学习领域，该方法包括，获取多个气藏在预设时间段内的历史特征数据，然后利用历史特征数据中的动态连续特征数据对气藏采收率预测模型中的第一重网络进行迭代训练，在每次迭代过程中，对第一重网络的网络参数进行调节，直至第一重网络的损失函数达到最小值。利用历史特征数据中的静态离散特征数据对第二重网络进行迭代训练，在每次迭代过程中，对第一重网络的网络参数进行调节，直至第二重网络的损失函数达到最小值。进而可以利用训练好的气藏采收率预测模型预测气藏的采收率，并且两个深度学习模型进行耦合，可以增强模型的泛化能力，提高预测的准确性和稳定性。