基于CEEMDAN-SA-LSTM的油井产油量预测方法

本发明提供了一种基于CEEMDAN‑SA‑LSTM油井产油量预测方法，其特征在于，包括如下步骤：1)收集油井特征数据，对缺失值补全和异常值处理，并将数据集转换成适合模型训练的格式；2)利用Boruta算法进行重要性分析，构建油井产油量特征数据集；3)将步骤2)转换后的数据进行数据集划分；4)利用CEEMDAN进行特征分解并利用PCA进行数据降维，得到最终分量特征数据集。5)将最终分量特征数据集输入至SA‑LSTM模型中进行训练，构建预测模型；6)采用并行遗传算法对模型进行调优，得到最优的参数组合；7)根据训练所得的油井产油量预测模型，使用测试集数据验证模型性能，并对油井产油量进行预测。本发明探讨了利用CEEMDAN‑SA‑LSTM模型的油井产油量预测方法，该方法可以得到较好的预测结果。