石油产量预测模型构建方法、装置、电子设备和存储介质

本申请实施例涉及计算机，尤其涉及油田生产数据分析与智能预测，具体涉及一种石油产量预测模型构建方法、装置、电子设备和存储介质。

背景技术：

1、石油产量预测是油田生产管理中的核心环节，其准确性直接关系到开发方案优化、生产调度决策及经济效益评估。然而，油田生产过程涉及地质条件、储层物性、井筒流动、地面集输及人工调控等多重物理机制的耦合作用，各环节产生的监测参数种类繁多、量纲各异且彼此交织，使得产量与其影响因素之间呈现出高度非线性和强耦合的复杂关系。受此影响，现有预测方法在实际应用中面临准确性有限、预测结果可靠性不足等挑战，难以稳定支撑长期生产决策需求。因此，对石油产量预测方法进行改进是业内重要问题。

技术实现思路

1、本申请提供一种石油产量预测模型构建方法、装置、电子设备和存储介质，以提升石油产量预测精度。

2、第一方面，本申请实施例还提供了一种石油产量预测模型构建方法，包括：

3、根据油田生产过程中采集的多源传感监测参数，构成原始高维时序数据矩阵；

4、对所述原始高维时序数据矩阵执行因子提取，得到潜在因子数量n，并提取n个潜在因子；

5、以所述n个潜在因子作为候选原因变量，以石油产量序列作为目标变量，执行时序因果发现算法，从所述n个潜在因子中筛选出m个对石油产量具有直接因果影响的因果因子，并确定各因果因子对应的因果效应系数；

6、以n个潜在因子的时间序列作为模型输入特征进行训练得到中间预测模型，采用归因分析方法对所述中间预测模型进行归因分析，输出各潜在因子的归因贡献占比；

7、基于各潜在因子对应的因果效应系数与归因贡献占比进行二维象限诊断，并根据诊断结果确定各因果因子的组合权重；

8、以m个因果因子的时间序列作为模型输入特征，以所述各因果因子的组合权重进行训练，得到经训练的石油产量预测模型。

9、第二方面，本申请实施例还提供了一种石油产量预测模型构建装置，包括：

10、多源参数模块，用于根据油田生产过程中采集的多源传感监测参数，构成原始高维时序数据矩阵；

11、因子提取模块，用于对所述原始高维时序数据矩阵执行因子提取，得到潜在因子数量n，并提取n个潜在因子；

12、因果发现模块，用于以所述n个潜在因子作为候选原因变量，以石油产量序列作为目标变量，执行时序因果发现算法，从所述n个潜在因子中筛选出m个对石油产量具有直接因果影响的因果因子，并确定各因果因子对应的因果效应系数；

13、归因分析模块，用于以n个潜在因子的时间序列作为模型输入特征进行训练得到中间预测模型，采用归因分析方法对所述中间预测模型进行归因分析，输出各潜在因子的归因贡献占比；

14、二维象限诊断模块，用于基于各潜在因子对应的因果效应系数与归因贡献占比进行二维象限诊断，并根据诊断结果确定各因果因子的组合权重；

15、模型训练模块，用于以m个因果因子的时间序列作为模型输入特征，以所述各因果因子的组合权重进行训练，得到经训练的石油产量预测模型。

16、第三方面，本申请实施例还提供了电子设备，该电子设备包括：

17、一个或多个处理器；

18、存储装置，用于存储一个或多个程序；

19、当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如本申请实施例提供的任意一种石油产量预测模型构建方法。

20、第四方面，本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如本申请实施例提供的任意一种石油产量预测模型构建方法。

21、第五方面，本申请实施例还提供了一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序在被处理器执行时实现如本申请实施例提供的任意一种石油产量预测模型构建方法。

22、本申请的技术方案，通过多源数据矩阵构建、因子提取降维、时序因果发现与模型归因分析，将多源异构监测数据逐步转化为具有物理因果约束的预测特征，实现数据驱动与因果先验的有机融合环。通过二维象限诊断将因果效应与归因贡献统一判别，有效区分真实因果因子与趋势伪关联，克服了传统归因将代理变量误判为关键因素的缺陷；基于诊断结果触发的差异化加权策略，使权重融合统计归因与因果先验，从数值层面修正了shap无法辨识物理因果的系统性偏差；该加权机制嵌入模型损失函数后，引导模型优先拟合经因果验证的真实因子，在保持预测精度的同时确保物理一致性与可解释性，显著提升了油田递减期的预测可信度与泛化能力。

1.一种石油产量预测模型构建方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述基于各潜在因子对应的因果效应系数与归因贡献占比进行二维象限诊断，并根据诊断结果确定各因果因子的组合权重，包括：

3.根据权利要求2所述的方法，其特征在于，所述根据各因果因子所属的象限、所述因果因子的归因贡献占比和所述因果效应系数，确定各因果因子的组合权重，包括：

4.根据权利要求1所述的方法，其特征在于，所述对所述原始高维时序数据矩阵执行因子提取，得到潜在因子数量n，并提取n个潜在因子，包括：

5.根据权利要求1所述的方法，其特征在于，所述以n个潜在因子作为候选原因变量，以石油产量序列作为目标变量，执行时序因果发现算法，从所述n个潜在因子中筛选出m个对石油产量具有直接因果影响的因果因子，并确定各因果因子对应的因果效应系数，包括：

6.根据权利要求1所述的方法，其特征在于，所述以m个因果因子的时间序列作为模型输入特征，以所述各因果因子的组合权重进行训练，得到经训练的石油产量预测模型，包括：

7.一种石油产量预测模型构建装置，其特征在于，包括：

8.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-6任一所述的石油产量预测模型构建方法。

9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1-6任一所述的石油产量预测模型构建方法。

10.一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序在被处理器执行时实现如权利要求1-6任一所述的石油产量预测模型构建方法。