气田产量的预测方法、装置和计算机设备与流程

1.本技术实施例涉及气田开发与规划技术领域，特别涉及一种气田产量的预测方法、装置和计算机设备。


背景技术：

2.在气田开发与规划技术领域中，气田产量的预测是非常重要的工作环节，合理的预测气田产量有利于对气田未来的工作部署提供指导，气田产量的预测是能源行业进行中长期规划的基础工作之一，气田产量的预测精度决定了中长期规划的准确性与合理性。
3.目前，直接基于根据经验设置的预测参数和原始气田产量序列，预测参考时间对应的气田产量，预测气田产量的过程中考虑的预测参数的可靠性较差，导致预测得到的气田产量的准确性较差，与实际情况有较大偏差，对气田产量的中长期精准规划有较大的不利影响。


技术实现要素：

4.本技术实施例提供了一种气田产量的预测方法、装置和计算机设备，可用于提高预测得到的气田产量的准确性。所述技术方案如下：
5.一方面，本技术实施例提供了一种气田产量的预测方法，所述方法包括：
6.获取原始气田产量序列，所述原始气田产量序列由多个原始气田产量按照对应的时间的先后顺序依次排列构成；
7.基于预测参数和所述原始气田产量序列，获取预测气田产量序列，所述预测气田产量序列中的预测气田产量与所述原始气田产量序列中的原始气田产量一一对应；
8.响应于当前的预测气田产量序列与所述原始气田产量序列不满足相似条件，对获取所述当前的预测气田产量序列所依据的预测参数进行更新，得到新的预测参数；基于所述新的预测参数和所述原始气田产量序列，获取新的预测气田产量序列；如此循环，直至当前的预测气田产量序列与所述原始气田产量序列满足相似条件，基于获取所述当前的预测气田产量序列所依据的预测参数获取目标预测参数；
9.基于所述目标预测参数和所述原始气田产量序列，预测参考时间对应的气田产量。
10.在一种可能实现方式中，所述预测参数包括模型设定参数；所述基于预测参数和所述原始气田产量序列，获取预测气田产量序列，包括：
11.对所述原始气田产量序列进行累加处理，得到原始累加气田产量序列，所述原始累加气田产量序列为等时距序列；
12.基于所述模型设定参数，构建与所述原始累加气田产量序列匹配的气田产量预测模型；
13.基于所述气田产量预测模型获取预测累加气田产量序列，所述预测累加气田产量序列中的预测累加气田产量与所述原始累加气田产量序列中的原始累加气田产量一一对
应；
14.对所述预测累加气田产量序列进行累减处理，得到所述预测气田产量序列。
15.在一种可能实现方式中，所述预测参数还包括时距调整参数；所述对所述原始气田产量序列进行累加处理，得到原始累加气田产量序列，包括：
16.响应于所述原始气田产量序列为非等时距序列，基于所述时距调整参数，对所述原始气田产量序列进行累加处理，得到目标时间序列对应的原始累加气田产量序列，所述目标时间序列为与所述原始气田产量序列对应的时间序列匹配的等时距序列。
17.在一种可能实现方式中，所述基于所述气田产量预测模型获取预测累加气田产量序列，包括：
18.将所述原始累加气田产量序列中的第一个原始累加气田产量作为所述目标时间序列中的第一个时间对应的预测累加气田产量；
19.基于所述气田产量预测模型预测所述目标时间序列中除所述第一个时间外的各个时间分别对应的预测累加气田产量；
20.将所述第一个时间对应的预测累加气田产量以及所述各个时间分别对应的预测累加气田产量按照时间的先后顺序依次排列，得到所述预测累加气田产量序列。
21.在一种可能实现方式中，所述对获取所述当前的预测气田产量序列所依据的预测参数进行更新，得到新的预测参数，包括：
22.获取预测气田产量随预测参数的变化规律；
23.基于所述预测气田产量随预测参数的变化规律以及所述当前的预测气田产量序列与所述原始气田产量序列之间的差异，对获取所述当前的预测气田产量序列所依据的预测参数进行更新，得到新的预测参数。
24.在一种可能实现方式中，所述获取原始气田产量序列，包括：
25.获取实测气田产量序列；
26.对所述实测气田产量序列进行预处理，得到所述原始气田产量序列。
27.在一种可能实现方式中，所述对所述实测气田产量序列进行预处理，包括：
28.基于异常值剔除、平滑处理和标准化处理中的至少一种方式对所述实测气田产量序列进行预处理。
29.在一种可能实现方式中，所述预测参数基于储量因素、经济水平因素和政策导向因素中的至少一个确定。
30.另一方面，本技术实施例提供了一种气田产量的预测装置，所述装置包括：
31.第一获取单元，用于获取原始气田产量序列，所述原始气田产量序列由多个原始气田产量按照对应的时间的先后顺序依次排列构成；
32.第二获取单元，用于基于预测参数和所述原始气田产量序列，获取预测气田产量序列，所述预测气田产量序列中的预测气田产量与所述原始气田产量序列中的原始气田产量一一对应；
33.更新单元，用于响应于当前的预测气田产量序列与所述原始气田产量序列不满足相似条件，对获取所述当前的预测气田产量序列所依据的预测参数进行更新，得到新的预测参数；
34.第三获取单元，用于基于所述新的预测参数和所述原始气田产量序列，获取新的
预测气田产量序列；如此循环，直至当前的预测气田产量序列与所述原始气田产量序列满足相似条件，基于获取所述当前的预测气田产量序列所依据的预测参数获取目标预测参数；
35.预测单元，用于基于所述目标预测参数和所述原始气田产量序列，预测参考时间对应的气田产量。
36.在一种可能实现方式中，所述预测参数包括模型设定参数；所述第二获取单元，用于对所述原始气田产量序列进行累加处理，得到原始累加气田产量序列，所述原始累加气田产量序列为等时距序列；基于所述模型设定参数，构建与所述原始累加气田产量序列匹配的气田产量预测模型；基于所述气田产量预测模型获取预测累加气田产量序列，所述预测累加气田产量序列中的预测累加气田产量与所述原始累加气田产量序列中的原始累加气田产量一一对应；对所述预测累加气田产量序列进行累减处理，得到所述预测气田产量序列。
37.在一种可能实现方式中，所述预测参数还包括时距调整参数；所述第二获取单元，还用于响应于所述原始气田产量序列为非等时距序列，基于所述时距调整参数，对所述原始气田产量序列进行累加处理，得到目标时间序列对应的原始累加气田产量序列，所述目标时间序列为与所述原始气田产量序列对应的时间序列匹配的等时距序列。
38.在一种可能实现方式中，所述第二获取单元，还用于将所述原始累加气田产量序列中的第一个原始累加气田产量作为所述目标时间序列中的第一个时间对应的预测累加气田产量；基于所述气田产量预测模型预测所述目标时间序列中除所述第一个时间外的各个时间分别对应的预测累加气田产量；将所述第一个时间对应的预测累加气田产量以及所述各个时间分别对应的预测累加气田产量按照时间的先后顺序依次排列，得到所述预测累加气田产量序列。
39.在一种可能实现方式中，所述更新单元，用于获取预测气田产量随预测参数的变化规律；基于所述预测气田产量随预测参数的变化规律以及所述当前的预测气田产量序列与所述原始气田产量序列之间的差异，对获取所述当前的预测气田产量序列所依据的预测参数进行更新，得到新的预测参数。
40.在一种可能实现方式中，所述第一获取单元，用于获取实测气田产量序列；对所述实测气田产量序列进行预处理，得到所述原始气田产量序列。
41.在一种可能实现方式中，所述第一获取单元，还用于基于异常值剔除、平滑处理和标准化处理中的至少一种方式对所述实测气田产量序列进行预处理。
42.在一种可能实现方式中，所述预测参数基于储量因素、经济水平因素和政策导向因素中的至少一个确定。
43.另一方面，提供了一种计算机设备，所述计算机设备包括处理器和存储器，所述存储器中存储有至少一条计算机程序，所述至少一条计算机程序由所述处理器加载并执行，以使所述计算机设备实现上述任一所述的气田产量的预测方法。
44.另一方面，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中存储有至少一条计算机程序，所述至少一条计算机程序由处理器加载并执行，以使计算机实现上述任一所述的气田产量的预测方法。
45.另一方面，还提供了一种计算机程序产品或计算机程序，所述计算机程序产品或
计算机程序包括计算机指令，所述计算机指令存储在计算机可读存储介质中。计算机设备的处理器从所述计算机可读存储介质读取所述计算机指令，处理器执行所述计算机指令，使得所述计算机设备执行上述任一所述的气田产量的预测方法。
46.本技术实施例提供的技术方案至少带来如下有益效果：
47.在本技术实施例中，参考时间对应的气田产量是基于目标预测参数和原始气田产量序列预测得到的，其中，目标预测参数是基于能够获取到与原始气田产量序列满足相似条件的预测气田产量序列的预测参数获取得到的。也就是说，基于目标预测参数能够获取到较为接近原始气田产量序列的预测气田产量序列，从而使得基于目标预测参数预测得到的参考时间对应的气田产量较为准确，有利于保证气田产量中长期规划的准确性与合理性。
附图说明
48.为了更清楚地说明本技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
49.图1是本技术实施例提供的一种气田产量的预测方法的实施环境的示意图；
50.图2是本技术实施例提供的一种气田产量的预测方法的流程图；
51.图3是本技术实施例提供的一种获取预测气田产量序列的过程的示意图；
52.图4是本技术实施例提供的一种获取目标预测气田产量序列的示意图；
53.图5是本技术实施例提供的一种基于原始气田产量序列构建的曲线图；
54.图6是本技术实施例提供的一种基于参考时间对应的气田产量构建的曲线以及基于原始气田产量序列构建的曲线的比对图；
55.图7是本技术实施例提供的一种气田产量的预测装置的示意图；
56.图8是本技术实施例提供的一种计算机软件系统的示意图；
57.图9是本技术实施例提供的一种计算机设备的结构示意图。
具体实施方式
58.为使本技术的目的、技术方案和优点更加清楚，下面将结合附图对本技术实施方式作进一步地详细描述。
59.图1示出了本技术实施例提供的气田产量的预测方法的实施环境的示意图。该实施环境可以包括：终端11和服务器12。
60.本技术实施例提供的气田产量的预测方法可以由终端11执行，也可以由服务器12执行，还可以由终端11和服务器12共同执行，本技术实施例对此不加以限定。对于本技术实施例提供的气田产量的预测方法由终端11和服务器12共同执行的情况，服务器12承担主要计算工作，终端11承担次要计算工作；或者，服务器12承担次要计算工作，终端11承担主要计算工作；或者，服务器12和终端11二者之间利用分布式计算架构进行协同计算。
61.在一种可能实现方式中，终端11可以是任何一种可与用户通过键盘、触摸板、触摸屏、遥控器、语音交互或手写设备等一种或多种方式进行人机交互的电子产品，例如pc
(personal computer，个人计算机)、手机、pda(personal digital assistant，个人数字助手)、可穿戴设备、ppc(pocket pc，掌上电脑)、平板电脑等。服务器12可以是一台服务器，也可以是由多台服务器组成的服务器集群，或者是一个云计算服务中心。终端11与服务器12通过有线或无线网络建立通信连接。
62.本领域技术人员应能理解上述终端11和服务器12仅为举例，其他现有的或今后可能出现的终端或服务器如可适用于本技术，也应包含在本技术保护范围以内，并在此以引用方式包含于此。
63.基于上述图1所示的实施环境，本技术实施例提供一种气田产量的预测方法，该气田产量的预测方法由计算机设备执行，该计算机设备可以为服务器12，也可以为终端11，本技术实施例对此不加以限定。如图2所示，本技术实施例提供的气田产量的预测方法包括如下步骤201至步骤204：
64.在步骤201中，获取原始气田产量序列，原始气田产量序列由多个原始气田产量按照对应的时间的先后顺序依次排列构成。
65.本技术实施例对构成原始气田产量序列的原始气田产量的数量不加以限定，示例性地，构成原始气田产量序列的原始气田产量的数量为5个，或者10个等。一个原始气田产量对应一个时间，各个原始气田产量按照对应的时间的先后顺序依次排列，即可得到原始气田产量序列。原始气田产量对应的时间可以是指某一年份，也可以是指某一月份，还可以是指某一天等，本技术实施例对此不加以限定。例如，对于原始气田产量对应的时间是指某一年份的情况，原始气田产量用于指示在该年份整年产生的气田产量；对于原始气田产量对应的时间是指某一月份的情况，原始气田产量用于指示在该月份整月产生的气田产量；对于原始气田产量对应的时间是指某一天的情况，原始气田产量用于指示在该天整天产生的气田产量。本技术实施例对气田产量所衡量的气田的类型不加以限定，示例性地，气田产量所衡量的气田为天然气田；或者，气田产量所衡量的气田为油气田。
66.示例性地，各个原始气田产量对应的时间按照先后顺序依次排列能够构成原始气田产量序列对应的时间序列。原始气田产量序列中的第l(l为不小于1的整数)个原始气田产量与原始气田产量序列对应的时间序列中的第l个时间相互对应，也就是说，原始气田产量序列对应的时间序列中的时间的数量与原始气田产量序列中的原始气田产量的数量相同，且原始气田产量序列对应的时间序列中的时间与原始气田产量序列中的原始气田产量一一对应。
67.在一种可能实现方式中，原始气田产量序列为实测气田产量序列，此种方式获取原始气田产量序列的效率较高。
68.在另一种可能实现方式中，原始气田产量序列的获取方式为：获取实测气田产量序列；对实测气田产量序列进行预处理，得到原始气田产量序列。此种方式获取的原始气田产量序列的可靠性较高。实测气田产量序列是指由多个实测气田产量按照对应的时间的先后顺序依次排列构成的序列，本技术实施例对实测气田产量序列中包括的实测气田产量的数量不加以限定，可以根据实际情况进行灵活调整。
69.在获取实测气田产量序列后，对实测气田产量序列进行预处理，以得到可靠性高的原始气田产量序列。在一种可能实现方式中，对实测气田产量序列进行预处理的过程为：基于剔除异常值、平滑处理和标准化处理中的至少一种方式对实测气田产量序列进行预处
理。也就是说，可以仅基于剔除异常值、平滑处理和标准化处理中的某一种方式对实测气田产量序列进行预处理；也可以基于剔除异常值、平滑处理和标准化处理中的某两种方式对实测气田产量序列进行预处理；还可以基于剔除异常值、平滑处理、标准化处理这三种方式对实测气田产量序列进行预处理，本技术实施例对此不加以限定。无论哪种情况，在对实测气田产量序列进行预处理后，均将得到的气田产量序列称为原始气田产量序列。当然，在一些实施例中，还可以基于其他方式对实测气田产量序列进行预处理。
70.示例性地，对于基于剔除异常值、平滑处理、标准化处理中的多种方式对实测气田产量序列进行预处理的情况，预处理的过程为：先利用前一种方式对实测气田产量序列进行处理，然后利用后一种方式对利用前一种方式处理后得到的气田产量序列进行处理，直至得到利用最后一种方式处理后的气田产量序列。多种方式的执行顺序可以根据经验设置，本技术实施例对此不加以限定。
71.例如，对于基于剔除异常值和平滑处理两种方式对实测气田产量序列进行预处理的情况，可以先利用剔除异常值的方式对实测气田产量序列进行处理，得到第一气田产量序列，然后利用平滑处理的方式对第一气田产量序列进行处理，得到原始气田产量序列；也可以先利用平滑处理的方式对实测气田产量序列进行处理，得到第一气田产量序列，然后利用剔除异常值的方式对第一气田产量序列进行处理，得到原始气田产量序列。
72.本技术实施例以基于剔除异常值、平滑处理和标准化处理这三种方式对实测气田产量序列进行预处理为例进行说明。示例性地，这三种方式的执行顺序依次为剔除异常值、平滑处理和标准化处理。在此种情况下，对实测气田产量序列进行预处理，得到原始气田产量序列的过程包括以下三个步骤：
73.步骤1：利用剔除异常值的方式对实测气田产量序列进行处理，得到第一气田产量序列。
74.由于气田产量的实测过程受多种因素的影响，如，天气影响、测试仪器影响等，所以实测气田产量序列中可能存在偏离正常规律的实测气田产量，偏离正常规律的实测气田产量可视为异常值。因此，利用剔除异常值的方式对实测气田产量序列进行处理，能够剔除实测气田产量序列中偏离正常规律的实测气田产量。
75.在一种可能实现方式中，利用剔除异常值的方式对实测气田产量序列进行处理的过程为：对于实测气田产量序列中的任一实测气田产量，响应于该任一实测气田产量与平均实测气田产量之间的差异大于参考阈值，将该任一实测气田产量剔除；响应于该任一实测气田产量与平均实测气田产量之间的差异不大于参考阈值，将该任一实测气田产量保留。
76.平均实测气田产量是指实测气田产量序列中的各个实测气田产量的平均值；参考阈值根据经验设置，示例性地，参考阈值是指标准偏差与偏差区间系数的乘积，标准偏差是指实测气田产量序列中的各个实测气田产量的标准偏差，偏差区间系数根据经验设置，或者根据实际的应用场景灵活调整，本技术实施例对此不加以限定。示例性地，偏差区间系数根据预先设定的置信水平确定。
77.示例性地，对于实测气田产量序列中的第i个实测气田产量xi，若实测气田产量xi满足下述公式1，则将该实测气田产量xi剔除。
78.79.其中，i为不大于q的正整数，q为实测气田产量序列中的实测气田产量的总数量；表示平均实测气田产量，表示平均实测气田产量，表示第i个实测气田产量xi与平均实测气田产量之间的差异；n表示偏差区间系数；s表示标准偏差，ns表示参考阈值。
80.在利用剔除异常值的方式对实测气田产量序列进行处理后，将保留的实测气田产量构成的序列称为第一气田产量序列。
81.步骤2：利用平滑处理的方式对第一气田产量序列进行处理，得到第二气田产量序列。
82.在一种可能实现方式中，利用平滑处理的方式对第一气田产量序列进行处理的方式为：对于第一气田产量序列中的满足第一条件的任一第一气田产量，计算第一气田产量序列中的以该任一第一气田产量为中心的前后各参考数量个第一气田产量以及该任一第一气田产量的平均值，利用计算得到的平均值替换该任一第一气田产量。
83.示例性地，对于第一气田产量序列中的任一第一气田产量而言，若第一气田产量序列中存在以该任一第一气田产量序列中为中心的前后各参考数量个第一气田产量，则认为该任一第一气田产量满足第一条件。
84.参考数量根据经验设置，或者根据应用场景灵活调整，本技术实施例对此不加以限定，示例性地，参考数量可以成为置信区间系数。假设参考数量为p(p为不小于1的整数)，则本技术实施例中利用的平滑处理可视为(2p 1)点正态分布函数滤波处理。
85.示例性地，假设参考数量为p，假设第一气田产量序列中的第j个第一气田产量为yj，若(j-p)为不小于1的整数且(j p)为不大于n的整数，则说明第一气田产量序列中存在以该第一气田产量yj为中心的前后各p个第一气田产量，也即说明第一气田产量yj满足第一条件。其中，n表示第一气田产量序列中的第一气田产量的总数量。在此种情况下，在第一气田产量序列中取出以第一气田产量yj为中心的前后各p个第一气田产量(共2p个第一气田产量)，计算这2p个第一气田产量以及第一气田产量yj的平均值yj′
，利用计算得到yj′
替换yj。也就是说，yj′
是对y
j-p
,
…
,y
j-1
,yj,y
j 1
…yj p
这(2p 1)个第一气田产量求平均值得到的，yj′
的计算过程可基于下述公式2实现：
[0086][0087]
在示例性实施例中，第一气田产量序列中还包括不满足第一条件的第一气田产量。对于任一第一气田产量而言，若第一气田产量序列中不存在以该任一第一气田产量为中心的前后各参考数量个第一气田产量，则认为该任一第一气田产量不满足第一条件。第一气田产量序列中不存在以该任一第一气田产量为中心的前后各参考数量个处理数据说明：第一气田产量序列中位于该任一第一气田产量之前的第一气田产量的数量小于参考数量，或者第一气田产量序列中位于该任一第一气田产量之后的第一气田产量的数量小于参考数量。
[0088]
示例性地，若第一气田产量序列中位于第一气田产量yj之前的第一气田产量的数量小于参考数量p，则利用基于公式3计算得到的yj′
替换yj：
[0089][0090]
示例性地，若第一气田产量序列中位于第一气田产量yj之后的第一气田产量的数量小于参考数量p，则利用基于公式4计算得到的yj′
替换yj：
[0091][0092]
在利用平滑处理的方式对第一气田产量序列进行处理后，得到第二气田产量序列。示例性地，假设第一气田产量序列表示为(y1,y2,y3,
…
,yn)，则利用平滑处理的方式对第一气田产量序列进行处理后得到的第二气田产量序列可以表示为(y
′1,y
′2,y
′3,
…
,y
′n)。由于在利用平滑处理的方式进行处理的过程中，不会剔除数据，所以第二气田产量序列中的第二气田产量的总数量与第一气田产量序列中的第一气田产量的总数量相同。此外，在进行平滑处理的过程中，改变的仅为气田产量的数值，并不改变气田产量对应的时间。
[0093]
步骤3：利用标准化处理的方式对第二气田产量序列进行处理，得到原始气田产量序列。
[0094]
在一种可能实现方式中，利用标准化处理的方式对第二气田产量序列进行处理的方式为：确定第二气田产量序列中的最小气田产量和最大气田产量；对于第二气田产量序列中的任一第二气田产量，基于最小气田产量和最大气田产量对该任一第二气田产量进行标准化处理，利用处理后得到的气田产量替换该任一第二气田产量。
[0095]
在一种可能实现方式中，基于最小气田产量和最大气田产量对该任一第二气田产量进行标准化处理的过程基于下述公式5实现：
[0096][0097]
其中，y
′v表示第二气田产量序列中的第v个处理数据，v为不大于n的正整数，n为第二气田产量序列中的第二气田产量的总数量；z
′v表示基于最小气田产量和最大气田产量对第二气田产量y
′v进行标准化处理后得到的气田产量；mina表示第二气田产量序列中的最小气田产量；maxa表示第二气田产量序列中的最大气田产量。
[0098]
在利用标准化处理的方式对第二气田产量序列进行处理后，得到原始气田产量序列。示例性地，假设第二气田产量序列表示为(y
′1,y
′2,y
′3,
…
,y
′n)，则利用标准化处理的方式对第二气田产量序列进行处理后得到的原始气田产量序列可以表示为(z
′1,z
′2,z
′3,
…z′n)。由于在利用标准化处理的方式进行处理的过程中，不会剔除数据，所以第二气田产量序列中的第二气田产量的总数量与原始气田产量序列中的原始气田产量的总数量相同。此外，在进行标准化处理的过程中，改变的仅为气田产量的数值，并不改变气田产量对应的时间。
[0099]
需要说明的是，本技术实施例仅以基于异常值剔除、平滑处理和标准化处理这三种方式对实测气田产量序列进行预处理、且执行顺序依次为异常值剔除、平滑处理和标准化处理为例进行说明，本技术实施例并不局限于此。无论哪种方式，在对实测气田产量序列进行预处理后，均得到原始气田产量序列，然后执行步骤202。
[0100]
在步骤202中，基于预测参数和原始气田产量序列，获取预测气田产量序列，预测
气田产量序列中的预测气田产量与原始气田产量序列中的原始气田产量一一对应。
[0101]
预测参数是指预测气田产量的过程中所利用的参数，示例性地，预测参数根据经验设置。在设置预测参数的过程中，可以参考对气田产量可能产生影响的多方面因素，以使根据设置的预测参数预测出的气田产量较为贴近真实情况。本技术实施例对设置预测参数的过程中所参考的因素不加以限定，示例性地，设置预测参数的过程中所参考的因素包括储量因素、经济水平因素以及政策导向因素中的至少一个。也就是说，预测参数基于储量因素、经济水平因素和政策导向因素中的至少一个确定。储量因素、经济水平因素和政策导向因素均是能够对气田产量产生影响的因素，储量因素是指气田的储量方面的信息，经济水平因素是指关于气田的经济水平方面的信息，政策导向信息是指关于气田的政策导向方面的信息。
[0102]
预测参数中可能包括一个或多个方面的参数，不同方面的参数用于对预测气田产量的过程中的不同子过程产生影响。示例性地，预测气田产量的过程包括获取构建气田产量预测模型所需的等时距的累加气田产量序列的子过程、构建与累加气田产量序列匹配的气田产量预测模型的子过程以及根据气田产量预测模型预测气田产量的子过程。示例性地，预测参数包括模型设定参数。模型设定参数用于对构建与累加气田产量序列匹配的气田产量预测模型的子过程产生影响。示例性地，模型设定参数中包括一个或多个模型设定子参数，本技术实施例对此不加以限定。
[0103]
示例性地，预测参数除包括模型设定参数外，还包括时距调整参数。时距调整参数用于对获取构建气田产量预测模型所需的等时距的累加气田产量序列的子过程产生影响。示例性地，时距调整参数中包括一个或多个时距调整子参数，本技术实施例对此不加以限定。当然，在示例性实施例中，预测参数还可以包括其他方面的参数。
[0104]
在得到预测参数和原始气田产量序列后，获取预测气田产量序列。预测气田产量序列由多个预测气田产量按照对应的时间的先后顺序依次排列构成，预测气田产量序列中的预测气田产量与原始气田产量序列中的原始气田产量一一对应。也就是说，预测气田产量序列中的预测气田产量的数量与原始气田产量序列中的原始气田产量的数量相同，此外，在预测气田产量序列中位于某位置的预测气田产量对应的时间与原始气田产量序列中位于相同位置的原始气田产量对应的时间相同。
[0105]
在一种可能实现方式中，预测参数包括模型设定参数，基于预测参数和原始气田产量序列，获取预测气田产量序列的过程包括以下步骤1至步骤4：
[0106]
步骤1：对原始气田产量序列进行累加处理，得到原始累加气田产量序列，原始累加气田产量序列为等时距序列。
[0107]
原始气田产量序列中的原始气田产量的波动性和随机性可能较大，通过对原始气田产量序列进行累加处理，有利于弱化数据之间的波动性和随机性，从而得到数据之间的规律性较为明显的原始累加气田产量序列，进而能够通过构建与原始累加气田产量数据序列匹配的气田产量预测模型，来较为准确地预测累加气田产量。
[0108]
示例性地，本技术实施例中利用的气田产量预测模型为灰色模型(grey model，gm)，具体地，对于原始气田产量序列的数量为一个的情况，利用的灰色模型为gm(1,1)模型，gm(1,1)模型表示用一阶微分方程对一个变量建立模型。
[0109]
构建气田产量预测模型所需的原始累加气田产量序列为等时距序列，以保证构建
的气田产量预测模型的可靠性。原始累加气田产量序列为等时距序列是指原始累加气田产量序列中的每两个相邻的原始累加气田产量对应的时间之间的间距均相同。
[0110]
原始气田产量序列可能是等时距序列，也可能是非等时距序列，本技术实施例对此不加以限定。在原始气田产量序列的不同情况下，对原始气田产量序列进行累加处理，得到原始累加气田产量序列的方式有所不同。也就是说，在执行该步骤1之前，需要先判断原始气田产量序列是否为等时距序列。
[0111]
示例性地，原始气田产量序列可以表示为x
(0)
＝(x
(0)
(t1),
…
,x
(0)
(ta),
…
,x
(0)
(tn))。其中，x
(0)
表示原始气田产量序列；x
(0)
(ta)表示原始气田产量序列中的时间为ta对应的气田产量。原始气田产量序列对应的时间序列可以表示为t
(0)
＝(t1,
…
,ta,
…
,tn)。
[0112]
原始气田产量序列中的每两个相邻的原始气田产量对应的时间之间均具有一个间距。在得到原始气田产量序列之后，能够根据原始气田产量序列中的每两个相邻的原始气田产量对应的时间之间的间距来判断原始气田产量序列是否为等时距序列。若原始气田产量序列中的每两个相邻的原始气田产量对应的时间之间的间距均等于同一常数，则确定原始气田产量序列为等时距序列；若原始气田产量序列中的每两个相邻的原始气田产量对应的时间之间的间距不均等于同一常数，则确定原始气田产量序列为非等时距序列。
[0113]
在一种可能实现方式中，若原始气田产量序列为等时距序列，则对原始气田产量序列进行累加处理，得到原始累加气田产量序列的方式为：直接对原始气田产量序列中的各个原始气田产量进行累加，得到原始累加气田产量序列。
[0114]
示例性地，若原始气田产量序列为等时距序列，则原始气田产量序列可以表示为x
(0)
＝(x
(0)
(t1),x
(0)
(t2),
…
,x
(0)
(tn))，每两个相邻的原始气田产量对应的时间之间的间距δtk＝t
k-t
k-1
均等于同一常数，其中，k＝2,3,4,
…
n。直接对原始气田产量序列中的各个原始气田产量进行累加，得到的原始累加气田产量序列表示为x
(1)
＝(x
(1)
(t1),x
(1)
(t2),
…
,x
(1)
(tn))，也就是说，原始累加气田产量序列中的各个原始累加气田产量对应的时间与原始气田产量序列中的各个原始气田产量对应的时间相同。由于原始气田产量序列为等时距序列，所以此种方式得到的原始累加气田产量序列同样为等时距序列。原始累加气田产量序列x
(1)
中的任一原始累加气田产量x
(1)
(tk)基于公式6计算得到：
[0115][0116]
若原始气田产量序列为非等时距序列，则原始气田产量序列中的没两个相邻的原始气田产量对应的时间之间的间距不等于同一常数。此时说明原始气田产量序列中缺少某些时间对应的原始气田产量。若直接对原始气田产量序列中的各个原始气田产量进行累加，无法得到等时距的累加气田产量序列。
[0117]
在一种可能实现方式中，预测参数除包括模型设定参数外，还包括时距调整参数。在原始气田产量序列为非等时距序列的情况下，对原始气田产量序列进行累加处理，得到原始累加气田产量序列的方式为：响应于原始气田产量序列为非等时距序列，基于时距调整参数，对原始气田产量序列进行累加处理，得到目标时间序列对应的原始累加气田产量序列，目标时间序列为与原始气田产量序列对应的时间序列匹配的等时距序列。
[0118]
目标时间序列中的每两个相邻的时间之间的间距均相等。目标时间序列是与原始气田产量序列对应的时间序列匹配的等时距序列，示例性地，目标时间序列是将原始气田产量序列对应的时间序列中缺失的时间补全的等时距序列。示例性地，目标时间序列中的
任两个时间之间的间距为预设的预测时间步长。例如，若原始气田产量序列对应的时间序列为(2000年，2001年，20002年，2004年)，预设的预测时间步长为1年，则目标时间序列为(2000年，2001年，2002年，2003年，2004年)。
[0119]
示例性地，目标时间序列为t
(1)
＝(t1,t2,
…
,tm)，每两个相邻的时间之间的间距δtk＝t
k-t
k-1
等于同一常数，其中，k＝2,3,4,
…
m(m为不小于2的整数)。示例性地，基于时距调整参数，对原始气田产量序列x
(0)
＝(x
(0)
(t1),
…
,x
(0)
(ta),
…
,x
(0)
(tn))进行累加处理，得到目标时间序列对应的原始累加气田产量序列x
(1)
＝(x
(1)
(t1),x
(1)
(t2),
…
,x
(1)
(tm))的过程基于公式7实现：
[0120][0121]
其中，tk为目标时间序列中的任一时间；δtk＝t
k-t
k-1
；g和g为时距调整参数，g和g为整数变量，g小于g。在基于公式7获取原始累加气田产量序列x
(1)
＝(x
(1)
(t1),x
(1)
(t2),
…
,x
(1)
(tm))的过程中，先利用公式7中的第一个公式获取x
(1)
(t1)，然后利用公式7中的第二个公式迭代获取x
(1)
(t2),
…
,x
(1)
(tm)。
[0122]
在利用公式7中的第二个公式迭代获取x
(1)
(t2),
…
,x
(1)
(tm)的过程中，若原始气田产量序列中存在时间t
k-1
对应的原始气田产量但不存在时间tk对应的原始气田产量，将在原始气田产量序列中位于时间t
k-1
对应的原始气田产量后一位的原始气田产量作为临时的x
(0)
(tk)。在基于临时的x
(0)
(tk)计算得到x
(1)
(tk)之后，将x
(1)
(tk)与x
(1)
(t
k-1
)的差值作为估计的x
(0)
(tk)添加到原始气田产量序列中，以使原始气田产量序列中存在时间t
k-1
对应的原始气田产量。通过此种方式，不仅能够得到原始累加气田产量序列x
(1)
＝(x
(1)
(t1),x
(1)
(t2),
…
,x
(1)
(tm))，还能够得到包括分别对应目标时间序列中的各个时间的原始气田产量的等时序原始气田产量序列x
(0)
′
＝(x
(0)
(t1),x
(0)
(t2),
…
,x
(0)
(tm))，该等时序原始气田产量序列x
(0)
′
能够为构建与原始累加气田产量序列匹配的气田产量预测模型提供数据支持。
[0123]
接下来，对基于公式7获取原始累加气田产量序列的过程进行举例说明，以便于理解。假设原始气田产量序列为x
(0)
＝(x
(0)
(2000),x
(0)
(2001),x
(0)
(2002),x
(0)
(2004))，目标时间序列为t
(1)
＝(2000,2001,2002,2003,2004)，需要获取的原始累加气田产量序列为x
(1)
＝(x
(1)
(2000),x
(1)
(2001),x
(1)
(2002),x
(1)
(2003),x
(1)
(2004))。获取原始累加气田产量序列的过程即为依次获取x
(1)
(2000)、x
(1)
(2001)、x
(1)
(2002)、x
(1)
(2003)和x
(1)
(2004)的过程：
[0124]
x
(1)
(2000)＝x
(0)
(2000)
[0125][0126][0127][0128][0129]
其中，x
(0)
(2003)为x
(1)
(2003)与x
(1)
(2002)的差值。经过上述计算过程，能够得到
原始累加气田产量序列x
(1)
＝(x
(1)
(2000),x
(1)
(2001),x
(1)
(2002),x
(1)
(2003),x
(1)
(2004))，还能够得到等时距原始气田产量序列x
(0)
′
＝(x
(0)
(2000),x
(0)
(2001),x
(0)
(2002),x
(0)
(2003),x
(0)
(2004))。
[0130]
相关技术在针对非等时距序列获取gm(1,1)模型所需的一次累加式的过程中，将时距δtk的权重都赋予在x0(tk)上，相比于此种方式，本技术实施例通过考虑时距调整参数(g和g)对非等时距的原始气田产量序列进行了动态修正，将时距δtk的权重g/g赋予在x
(0)
(t
k-1
)上，将时距δtk的权重的(g-g)/g赋予在x
(0)
(tk)上。有利于通过更新g和g的方式获取可靠性高的原始累加气田产量序列，从而利用可靠性高的原始累加气田产量序列得到能够较为准确地进行预测的气田产量预测模型，进而提高预测结果的准确性。
[0131]
步骤2：基于模型设定参数，构建与原始累加气田产量序列匹配的气田产量预测模型。
[0132]
在得到原始累加气田产量序列之后，基于模型设定参数，构建与原始累加气田产量序列匹配的气田产量预测模型。示例性地，气田产量预测模型的类型为gm(1,1)模型，基于模型设定参数，构建与原始累加气田产量序列匹配的气田产量预测模型的过程基于公式8实现：
[0133][0134]
其中，newx
(1)
(t
k 1
)表示与原始累加气田产量序列匹配的气田产量预测模型，公式8即为与原始累加气田产量序列匹配的气田产量预测模型的实现公式；时间t
k 1
的下标k 1表示时间t
k 1
在目标时间序列中位于第k 1位，在利用气田产量预测模型预测在目标时间序列中位于第k 1位的时间t
k 1
对应的累加气田产量数据的过程中，将k的取值代入公式8进行预测，也就是说，根据公式8能够获取得到目标时间序列中除第一个时间外的各个时间分别对应的预测累加气田产量。b1和b2表示模型设定参数；x
(0)
(t1)为等时距原始产量序列中的第一个原始产量；a和b为根据公式9计算得到的参数。需要说明的是，上述公式8通过在gm(1,1)预测模型的实现公式的基础上添加b1和b2得到，本技术实施例不对gm(1,1)预测模型的实现公式的推导过程进行赘述。
[0135][0136]
步骤3：基于气田产量预测模型获取预测累加气田产量序列，预测累加气田产量序列中的预测累加气田产量与原始累加气田产量序列中的原始累加气田产量一一对应。
[0137]
预测累加气田产量序列中的预测累加气田产量与原始累加气田产量序列中的原始累加气田产量一一对应，也即，预测累加气田产量序列的预测累加气田产量的数量与原始累加气田产量序列中的原始累加气田产量的数量相同，且在预测累加气田产量序列位于某一位置的预测累加气田产量对应的时间与在原始累加气田产量序列中位于同一位置原
始累加气田产量对应的时间相同。
[0138]
在一种可能实现方式中，基于气田产量预测模型获取预测累加气田产量序列的过程为：将原始累加气田产量序列中的第一个原始累加气田产量作为目标时间序列中的第一个时间对应的预测累加气田产量；基于气田产量预测模型预测目标时间序列中除第一个时间外的各个时间分别对应的预测累加气田产量；将第一个时间对应的预测累加气田产量以及各个时间分别对应的预测累加气田产量按照时间的先后顺序依次排列，得到预测累加气田产量序列。示例性地，基于气田产量预测模型预测目标时间序列中除第一个时间外的任一时间t
k 1
对应的预测累加气田产量的方式为：将k的取值代入公式8，计算得到该任一时间t
k 1
对应的预测累加气田产量。
[0139]
步骤4：对预测累加气田产量序列进行累减处理，得到预测气田产量序列。
[0140]
在得到预测累加气田产量序列之后，通过对预测累加气田产量序列进行累减处理，得到预测气田产量序列。示例性地，若原始气田产量序列为等时距序列，则直接将对预测累加气田产量序列进行累减处理后得到的气田产量序列作为预测气田产量序列。
[0141]
若原始气田产量序列为非等时距序列，由于预测累加气田产量序列为等时距序列，所以对预测累加气田产量时间序列进行累减处理后，得到的是等时距的预测气田产量序列，需要从等时距的预测气田产量序列中提取出与原始气田产量序列中的原始气田产量一一对应的预测气田产量构成预测气田产量序列。
[0142]
示例性地，预测累加气田产量序列记为newx
(1)
，newx
(1)
＝(newx
(1)
(t1),newx
(1)
(t2),
…
,newx
(1)
(tm))。对newx
(1)
进行累减处理后，得到等时距的预测气田产量序列newx
(0)
，newx
(0)
＝(newx
(0)
(t1),newx
(0)
(t2),
…
,newx
(0)
(tm))。如果设newx
(1)
是newx
(0)
的累加生成序列，则newx
(0)
是newx
(1)
的还原序列。
[0143]
示例性地，若原始气田产量序列为等时距序列，则直接基于公式10实现对newx
(1)
的累减处理：
[0144]
newx
(0)
(tk)＝newx
(1)
(tk)-newx
(0)
(t
k-1
)
ꢀꢀ
(公式10)
[0145]
示例性地，若原始气田产量序列为非等时距序列，则基于公式11实现对newx
(1)
的累减处理：
[0146][0147]
需要说明的是，以上步骤1至步骤4以预测参数的数量为一组为例进行说明，本技术实施例对预测参数的数量并不加以限定，也就是说，预测参数的数量可以为多组。对于预测参数的数量为多组的情况，基于每组预测参数和原始气田产量序列，均能够得到一个预测气田产量序列，也就是说，基于多组预测参数，能够同时获取多个预测气田产量序列。
[0148]
示例性地，获取预测气田产量序列的过程如图3所示。采集实测气田产量x1,x2,x3,x4,
…
,xq构成实测气田产量序列；基于异常值剔除、平滑处理和标准化处理中的至少一种方式对实测气田产量序列进行预处理，得到原始气田产量序列。基于目标时间序列以及预测参数中的时距调整参数(g和g)，对非等时距的原始气田产量序列进行数据修正，得到原始累加气田产量序列x
(1)
；基于预测参数中的模型设定参数(b1和b2)，构建与原始气田产量序
列匹配的气田产量预测模型基于气田产量预测模型，获取预测气田产量序列。
[0149]
在步骤203中，响应于当前的预测气田产量序列与原始气田产量序列不满足相似条件，对获取当前的预测气田产量序列所依据的预测参数进行更新，得到新的预测参数；基于新的预测参数和原始气田产量序列，获取新的预测气田产量序列；如此循环，直至当前的预测气田产量序列与原始气田产量序列满足相似条件，基于获取当前的预测气田产量序列所依据的预测参数获取目标预测参数。
[0150]
预测气田产量序列为预测得到的气田产量序列，预测气田产量序列可能与原始气田产量序列较为接近，也可能与原始气田产量序列差距较大，这与预测参数的设定效果有关。获取目标预测参数的过程为动态修正预测参数的过程，该过程为一种循环过程，当前的预测气田产量序列为基于当前最新的预测参数获取的预测气田产量序列。每执行完一次基于预测参数和原始气田产量序列，获取预测气田产量序列的过程，则判断一次当前的预测气田产量序列与原始气田产量序列是否满足相似条件。若当前的预测气田产量序列与原始气田产量序列是否满足相似条件，则对获取当前的预测气田产量序列所依据的预测参数进行更新，得到新的预测参数，进而基于新的预测参数和原始气田产量序列，获取新的预测气田产量序列。
[0151]
若当前的预测气田产量序列与原始气田产量序列满足相似条件，则结束循环过程，基于获取当前的预测气田产量序列所依据的预测参数获取目标预测参数，进而执行步骤204。
[0152]
需要说明的是，对于每次循环基于多组预测参数获取多个预测气田产量序列的情况，当前的预测气田产量序列的数量为多个，当前的预测气田产量序列与原始气田产量序列满足相似条件是指多个预测气田产量序列中至少存在一个预测气田产量序列与原始气田产量序列满足相似条件。
[0153]
相似条件根据经验设置，或者根据应用场景灵活调整，本技术实施例对此不加以限定。示例性地，两个气田产量序列满足相似条件是指两个气田产量序列之间的相似度不小于相似度阈值。相似度阈值根据经验设置，例如，相似度阈值为90％。本技术实施例对计算两个气田产量序列之间的相似度的方式不加以限定，示例性地，通过计算两个气田产量序列之间的欧式距离，获取两个气田产量序列之间的相似度。
[0154]
若当前的预测气田产量序列与原始气田产量序列不满足相似条件，则说明当前的预测气田产量序列与原始气田产量序列的差距较大，也即说明获取当前的预测气田产量所依据的预测参数的可靠性较差。此种情况下，对获取当前的预测气田产量所依据的预测参数进行更新，得到新的预测参数，然后基于新的预测参数和原始气田产量序列，继续获取预测气田产量序列。
[0155]
在示例性实施例中，对于获取当前的预测气田产量所依据的预测参数的数量为一组的情况，直接对一组预测参数进行更新，得到更新后的预测参数。
[0156]
在示例性实施例中，对于获取当前的预测气田产量所依据的预测参数的数量为多组的情况，对获取当前的预测气田产量所依据的预测参数进行更新，得到新的预测参数的过程为：对多组预测参数分别进行更新，得到新的预测参数。此种方式下，新的预测参数与
原来的预测参数的数量相同。
[0157]
在示例性实施例中，对于获取当前的预测气田产量所依据的预测参数的数量为多组的情况，对获取当前的预测气田产量所依据的预测参数进行更新，得到新的预测参数的过程为：对多组预测参数中的满足选取条件的预测参数进行更新，得到新的预测参数。此种方式下，新的预测参数与原来的预测参数的数量可能相同，也可能不同。示例性地，满足选取条件的预测参数是指获取的预测气田产量序列与原始气田产量序列的相似度不小于第一阈值的预测参数。第一阈值根据经验设置，第一阈值与相似度阈值不同，例如，第一阈值为70％。
[0158]
本技术实施例对对预测参数进行更新的方式不加以限定，只要能够使得基于更新后得到的新的预测参数获取更接近原始气田产量序列的预测气田产量序列即可。
[0159]
本技术实施例以当前的预测气田产量序列的数量为一个，也即获取当前的预测气田产量序列所依据的预测参数的数量为一组为例进行说明。在示例性实施例中，对获取当前的预测气田产量序列所依据的预测参数进行更新，得到新的预测参数的方式为：获取预测参数的更新幅度；基于预测参数的更新幅度对预测参数进行更新。更新幅度由人工确定，或者由计算机设备自行确定，本技术实施例对此不加以限定。
[0160]
在示例性实施例中，对获取当前的预测气田产量序列所依据的预测参数进行更新，得到新的预测参数的方式为：获取预测气田产量随预测参数的变化规律；基于预测气田产量随预测参数的变化规律以及当前的预测气田产量序列与原始气田产量序列之间的差异，对获取当前的预测气田产量序列所依据的预测参数进行更新，得到新的预测参数。预测气田产量随预测参数的变化规律用于指示预测参数具体如何影响预测气田产量的变化。预测气田产量随预测参数的变化规律可以由人工确定，也可以由计算机设备自行确定，本技术实施例对此不加以限定。
[0161]
示例性地，预测气田产量随预测参数的变化规律可以是指原始气田产量序列对应的时间序列中的全部时间对应的预测气田产量随预测参数的变化规律，也可以是指原始气田产量序列对应的时间序列中的部分时间对应的预测气田产量随预测参数的变化规律，本技术实施例对此不加以限定。示例性地，任一时间对应的预测气田产量随预测参数的变化规律可以指示该任一时间对应的预测气田产量对预测参数中的全部参数的变化规律，也可以是指该任一时间对应的预测气田产量随预测参数中的部分参数的变化规律，本技术实施例对此不加以限定。
[0162]
示例性地，获取任一时间对应的预测气田产量随预测参数中的任两个参数的变化规律的方式为：基于历史已经获取的预测气田产量序列中的任一时间对应的预测气田产量，以及获取预测气田产量序列所依据的预测参数中的该任两个参数，构建三维曲面；根据三维曲面分析任一时间对应的预测气田产量随预测参数中的任两个参数的变化规律。例如，以时间为t1为例进行说明，预测参数中的任两个参数分别为b1和b2，根据时间t1对应的预测气田产量以及获取该t1对应的预测气田产量所依据的b1和b2，能够得到一个三维曲面，根据该三维曲面可以分析得到时间t1对应的预测气田产量随着b1的增大而增大，随着b2的增大而减小。
[0163]
在获取预测气田产量随预测参数的变化规律之后，基于预测气田产量随预测参数的变化规律以及当前的预测气田产量序列与原始气田产量序列之间的差异，对获取当前的
预测气田产量序列所依据的预测参数进行更新，得到新的预测参数。根据当前的预测气田产量序列与原始气田产量序列之间的差异，能够获知需要如何改变当前的预测气田产量序列中的预测气田产量才能与原始气田产量序列之间的差异缩小；基于预测气田产量随预测参数的变化规律，能够获知如何对预测参数进行更新，才能够达到预测气田产量序列中的预测气田产量所需的改变。此种方式，能够使得基于新的预测参数得到的预测气田产量序列更加接近原始气田产量序列。
[0164]
示例性地，若当前的预测气田产量序列与原始气田产量序列之间的差异表示当前的预测气田产量序列中的时间t1对应的预测气田产量小于原始气田产量序列中的时间t1对应的原始气田产量，且时间t1对应的预测气田产量随预测参数中的b1和b2的变化规律为：时间t1对应的预测气田产量随着b1的增大而增大，随着b2的增大而减小。此种情况下，需要增加b1，减小b2。
[0165]
在获取新的预测参数之后，继续基于新的预测参数和原始气田产量序列，获取新的预测气田产量序列，该过程的实现原理与步骤202相同，此处不再赘述。
[0166]
若当前的预测气田产量序列与原始气田产量序列满足相似条件，则说明当获取当前的预测气田产量序列所依据的预测参数的可靠性较高，此种情况下，基于获取当前的预测气田产量序列所依据的预测参数获取目标预测参数。
[0167]
示例性地，若获取当前的预测气田产量序列所依据的预测参数的数量为一组，则直接将获取当前的预测气田产量序列所依据的预测参数作为目标预测参数；若获取当前的预测气田产量序列所依据的预测参数的数量为多组，则将获取当前的预测气田产量序列所依据的预测参数中满足目标条件的预测参数作为目标预测参数。其中，满足目标条件是指获取当前的预测气田产量序列中的与原始气田产量序列的相似度最高的一个预测气田产量序列所依据的预测参数。
[0168]
示例性地，在获取目标预测参数后，将基于目标预测参数和原始气田产量序列获取的预测气田产量序列作为目标预测气田产量序列，该目标预测气田产量序列与原始气田产量序列的吻合度较高。
[0169]
示例性地，获取目标预测气田产量序列的过程如图4所示。通过对实测气田产量序列进行预处理，得到原始气田产量序列；获取预测参数和目标时间序列；基于预设的预测参数、通过预设的时间步得到的目标时间序列以及原始气田产量序列，构建气田产量预测模型；基于气田产量预测模型获取预测气田产量序列；判断预测气田产量序列与原始气田产量序列是否满足相似条件；若预测气田产量序列与原始气田产量序列不满足相似条件，则对预测参数进行更新，得到新的预测参数；然后返回构建气田产量预测模型的步骤；若预测气田产量序列与原始气田产量序列满足相似条件，则获取目标预测参数并将基于目标预测参数和原始气田产量序列获取的预测气田产量序列作为目标预测气田产量序列。
[0170]
在步骤204中，基于目标预测参数和原始气田产量序列，预测参考时间对应的气田产量。
[0171]
参考时间根据经验设置，或者根据应用产量灵活调整，参考时间的数量可以为一个或多个。示例性地，参考时间包括但不限于原始气田产量序列对应的时间序列中缺少的时间，以及位于原始气田产量序列对应的时间序列中的最后一个时间之后的指定数量个时间。指定数量根据经验设置，或者根据应用场景灵活调整，例如，指定数量为5个。
[0172]
在一种可能实现方式中，以一个参考时间为例，基于目标预测参数和原始气田产量序列，预测参考时间对应的气田产量的过程为：对原始气田产量序列进行累加处理，得到原始累加气田产量序列，原始累加气田产量序列为等时距序列；基于目标预测参数中的目标模型设定参数，构建与原始累加气田产量序列匹配的目标气田产量预测模型；基于目标气田产量预测模型预测参考时间对应的第一预测累加气田产量；基于目标气田产量预测模型预测位于参考时间之前且与参考时间具有指定时距的时间对应的第二预测累加气田产量；将第一预测累加气田产量与第二预测气田产量的差值作为参考时间对应的气田产量。指定时距是指原始累加气田产量序列中的任两个原始累加气田产量对应的时间之间的间距。
[0173]
示例性地，假设原始气田产量序列中具有12个原始气田产量，该原始气田产量序列为{400,580,650,730,990,1200,1400,1600,1700,2300,2700,4000}，该原始气田产量序列对应的时间序列为{0,3,5,8,11,15,20,24,30,37,41,47}，原始气田产量序列对应的时间序列中的相邻时间之间的时间间隔(时距)
△
t为{0,3,2,3,3,4,5,4,6,7,4,6}，也就是说，原始气田产量序列为非等时距序列。基于原始气田产量序列构建的曲线如图5所示。
[0174]
利用本技术实施例提供的气田产量的预测方法，预测了原始气田产量序列对应的时间序列中的各个时间以及时间50、54和58(即参考时间)分别对应的气田产量，基于参考时间对应的气田产量构建的曲线以及基于原始气田产量序列构建的曲线的比对图如图6所示。在图6中，菱形表示原始气田产量序列中的原始气田产量，正方形表示参考时间对应的气田产量。根据图6可知，预测得到的原始气田产量序列对应的时间序列中的各个时间分别对应的气田产量与原始气田产量比较吻合，小误差概率达到95％以上。此外，预测得到的时间50、54和58分别对应的气田产量比较符合气田产量的变化趋势，预测的气田产量的准确性较高。
[0175]
在本技术实施例中，参考时间对应的气田产量是基于目标预测参数和原始气田产量序列预测得到的，其中，目标预测参数是基于能够获取到与原始气田产量序列满足相似条件的预测气田产量序列的预测参数获取得到的。也就是说，基于目标预测参数能够获取到较为接近原始气田产量序列的预测气田产量序列，从而使得基于目标预测参数预测得到的参考时间对应的气田产量较为准确，有利于保证气田产量中长期规划的准确性与合理性。
[0176]
参见图7，本技术实施例提供了一种气田产量的预测装置，该装置包括：
[0177]
第一获取单元701，用于获取原始气田产量序列，原始气田产量序列由多个原始气田产量按照对应的时间的先后顺序依次排列构成；
[0178]
第二获取单元702，用于基于预测参数和原始气田产量序列，获取预测气田产量序列，预测气田产量序列中的预测气田产量与原始气田产量序列中的原始气田产量一一对应；
[0179]
更新单元703，用于响应于当前的预测气田产量序列与原始气田产量序列不满足相似条件，对获取当前的预测气田产量序列所依据的预测参数进行更新，得到新的预测参数；
[0180]
第三获取单元704，用于基于新的预测参数和原始气田产量序列，获取新的预测气田产量序列；如此循环，直至当前的预测气田产量序列与原始气田产量序列满足相似条件，
基于获取当前的预测气田产量序列所依据的预测参数获取目标预测参数；
[0181]
预测单元705，用于基于目标预测参数和原始气田产量序列，预测参考时间对应的气田产量。
[0182]
在一种可能实现方式中，预测参数包括模型设定参数；第二获取单元702，用于对原始气田产量序列进行累加处理，得到原始累加气田产量序列，原始累加气田产量序列为等时距序列；基于模型设定参数，构建与原始累加气田产量序列匹配的气田产量预测模型；基于气田产量预测模型获取预测累加气田产量序列，预测累加气田产量序列中的预测累加气田产量与原始累加气田产量序列中的原始累加气田产量一一对应；对预测累加气田产量序列进行累减处理，得到预测气田产量序列。
[0183]
在一种可能实现方式中，预测参数还包括时距调整参数；第二获取单元702，还用于响应于原始气田产量序列为非等时距序列，基于时距调整参数，对原始气田产量序列进行累加处理，得到目标时间序列对应的原始累加气田产量序列，目标时间序列为与原始气田产量序列对应的时间序列匹配的等时距序列。
[0184]
在一种可能实现方式中，第二获取单元702，还用于将原始累加气田产量序列中的第一个原始累加气田产量作为目标时间序列中的第一个时间对应的预测累加气田产量；基于气田产量预测模型预测目标时间序列中除第一个时间外的各个时间分别对应的预测累加气田产量；将第一个时间对应的预测累加气田产量以及各个时间分别对应的预测累加气田产量按照时间的先后顺序依次排列，得到预测累加气田产量序列。
[0185]
在一种可能实现方式中，更新单元703，用于获取预测气田产量随预测参数的变化规律；基于预测气田产量随预测参数的变化规律以及当前的预测气田产量序列与原始气田产量序列之间的差异，对获取当前的预测气田产量序列所依据的预测参数进行更新，得到新的预测参数。
[0186]
在一种可能实现方式中，第一获取单元701，用于获取实测气田产量序列；对实测气田产量序列进行预处理，得到原始气田产量序列。
[0187]
在一种可能实现方式中，第一获取单元701，还用于基于异常值剔除、平滑处理和标准化处理中的至少一种方式对实测气田产量序列进行预处理。
[0188]
在一种可能实现方式中，预测参数基于储量因素、经济水平因素和政策导向因素中的至少一个确定。
[0189]
在本技术实施例中，参考时间对应的气田产量是基于目标预测参数和原始气田产量序列预测得到的，其中，目标预测参数是基于能够获取到与原始气田产量序列满足相似条件的预测气田产量序列的预测参数获取得到的。也就是说，基于目标预测参数能够获取到较为接近原始气田产量序列的预测气田产量序列，从而使得基于目标预测参数预测得到的参考时间对应的气田产量较为准确，有利于保证气田产量中长期规划的准确性与合理性。
[0190]
需要说明的是，上述实施例提供的装置在实现其功能时，仅以上述各功能单元的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元完成，即将装置的内部结构划分成不同的功能单元，以完成以上描述的全部或者部分功能。另外，上述实施例提供的装置与方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
[0191]
示例性地，本技术实施例提供一种用于实现上述气田产量预测方法的计算机软件系统。如图8所示，该计算机软件系统包括数据采集模块、预处理模块、动态修正模块、预测计算模块和调用模块。
[0192]
其中，数据采集模块用于采集待预测气田的历史产量，构成实测气田产量序列。数据采集模块具备表格(如，excel表格)导入、数据(如，dat数据)导入和多种数据库接口，可将气田产量的实测数据导入系统内置数据库。数据导入完成后，能够生成实测气田产量数据曲线，以检查导入数据的正确性。示例性地，数据采集模块还具有数据导出功能，可将软件内置数据库中的数据导出，例如，将软件内置数据库中的数据以表格形式导出。示例性地，数据采集模块还具有实时监测数据的录入界面，可以利用新的实测数据修正气田产量预测模型。
[0193]
预处理模块用于对获取的实测气田产量序列进行预处理。预处理模块的功能包括但不限于剔除异常值、平滑处理和标准化处理等功能，示例性地，可以在预处理模块内设定置信区间。示例性地，预处理后得到的原始气田产量序列存储在内置数据库中，具有独立曲线显示功能，可以与实测气田产量序列进行对比。
[0194]
动态修正模块用于对数据处理模块生成的原始气田产量序列进行不等时距修正，生成gm(1,1)模型所需的x
(1)
系列数据，并存在内置数据库中。动态修正模块具有调整时距和设定时距调整参数g和g的功能，具有独立的曲线显示功能，可以与原始气田产量序列进行对比。
[0195]
预测计算模块用于对前述的x
(1)
系列数据进行预测计算分析，生成预测气田产量序列，并将数据存在内置数据库。预测计算模块具有参数扫描功能，对预测计算所需要的预测时间步长、模型设定参数b1和b2等参数，设定常量的取值范围，进行参数化扫描，将预测结果与原始数据进行比对，确定最理想的预测参数。本模块还具有函数扫描功能，将参数用e
x
、正态分布、高斯分布等函数进行扫描，确定与原始气田产量序列相符的预测气田产量序列。
[0196]
调用模块，采用多参量耦合偏微分方程算法，设定受储量因素、经济水平因素和政策导向因素等影响的预测参数，对气田产量预测模型进行编程，生成多参数预测三维曲面，任设定一个方向取纵剖面，所得到曲线即为某确定参数组合条件下的预测曲线，实现了多参数扫描反分析功能。工作界面有原始数据调用、参数识别、预测步长设定、预测曲线生成和数据下载传输等功能。
[0197]
示例性地，上述计算机软件系统部署在基于云平台的计算机设备上。示例性地，基于云平台的计算机设备包括大数据云存储器和云处理器，采用远程登录形式进入云平台气田产量动态修正预测系统，在云处理器上运行程序计算，实现如上所述的气田产量的预测方法，还可以实施预测报告的远程打印和数据下载。示例性地，在云平台上设置短信预警功能，非法进入的用户将被以短信的形式，及时报告给监控人员。
[0198]
在示例性实施例中，还提供了一种计算机设备，参见图9，该计算机设备包括处理器901和存储器902，该存储器902中存储有至少一条计算机程序。该至少一条计算机程序由一个或者一个以上处理器901加载并执行，以使该计算机设备实现上述任一种气田产量的预测方法。该计算机设备可以为终端，也可以为服务器。
[0199]
在示例性实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质
中存储有至少一条计算机程序，该至少一条计算机程序由计算机设备的处理器加载并执行，以使计算机实现上述任一种气田产量的预测方法。
[0200]
在一种可能实现方式中，上述计算机可读存储介质可以是只读存储器(read-only memory，rom)、随机存取存储器(random access memory，ram)、只读光盘(compact disc read-only memory，cd-rom)、磁带、软盘和光数据存储设备等。
[0201]
在示例性实施例中，还提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述任一种气田产量的预测方法。
[0202]
需要说明的是，本技术中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以上示例性实施例中所描述的实施方式并不代表与本技术相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本技术的一些方面相一致的装置和方法的例子。
[0203]
应当理解的是，在本文中提及的“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
[0204]
以上所述仅为本技术的示例性实施例，并不用以限制本技术，凡在本技术的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本技术的保护范围之内。