一种基于自适应周期划分与深度学习的泡排时机预测方法

本发明公开了基一种基于自适应周期划分与深度学习的泡排时机预测方法，涉及石油工业采油气工程技术领域，包括以下步骤：S1，收集进行泡排操作的气井生产动态数据，并根据所述气井生产动态数据进行泡排周期的阶段划分；S2，对不同泡排阶段的动态数据进行采样，得到正负样本；S3，基于所述正负样本建立泡排剂加注时机预测模型；S4，将待预测的气井生产的动态数据输入泡排剂加注时机预测模型，得到泡排剂的加注时机的预测结果。本发明解决现有方法在动态适应性、数据特征挖掘以及阶段划分策略方面的缺陷，从而显著提高泡排剂加注时机的预测精度和可靠性，既可在气井出现积液问题之前进行干预，提高生产效率；又能及时提升气井产能，提高经济效益。