一种基于混合深度学习框架的井筒运行状态智能预测方法

本发明公开了一种基于混合深度学习框架的井筒运行状态智能预测方法，属于石油工程油气田开发工程领域，包括如下步骤：建立地质封存井筒瞬态温度‑压力耦合数学模型，并进行数值求解；构建涵盖CO2注入和泄漏工况的双重序列特征数据库；采用并行架构处理双重序列特征构建改进型双重注意力网络；通过耦合改进型双重注意力网络和时间融合Transformer建立混合深度学习框架DT‑DANet；采用复合损失函数对混合深度学习框架进行协同优化训练，该框架的输出为不同时间步下的井筒压力剖面、温度剖面及相态分布。本发明实现了CO2地质封存过程中井筒多参数动态演化的高精度预测。