基于图神经网络和Transformer的油藏含水率预测方法

本发明公开了一种基于图神经网络和Transformer的油藏含水率预测方法，属于油气田开发技术领域，包括以下步骤：S1、将每个时间点的油藏注采模型转化为图结构，构建从注水井到生产井的连接网络；S2、结合图神经网络和Transformer构建GNT代理模型并进行训练，对每口生产井的含水率进行预测。本发明构建的GNT代理模型，利用GCN模块将油藏注采结构转化为图数据，通过边特征增强的消息传递机制动态调整节点间信息传递强度，精准捕捉井间连通特征；再结合Transformer编码器模块的多头自注意力机制处理时序依赖性，有效建模长距离时间动态关系，为油藏动态分析提供了高效可靠的代理模型。