一种用于油田生产预测的层次个性化联邦学习方法

本发明公开了一种用于油田生产预测的层次个性化联邦学习方法，涉及石油工程与人工智能融合应用技术领域，采用客户端‑服务器架构，其中每口油井作为一个客户端。每个客户端独立计算加密的生产结构特征，并通过带正则化的优化目标更新其本地模型。中央服务器则基于加密后的PSF对客户端进行聚类，并协调一个双重聚合过程：包含一个融合跨簇知识的全局模型，以及捕捉每个簇内个性化特征的簇代理模型。本发明不仅提高了单个油井级别的预测准确性，还保证了对不同油井的预测性能的一致性，促进了模型预测公平性，能有效地平衡全局泛化与本地个性化之间的关系；不会泄露数据隐私信息，提高了预测模型训练的收敛速度。