[1] 李溢龙, 吴锋, 李晓平,等. 塔河缝洞型油藏产量变化预测模型研究[J]. 石油地质与工程, 2016, 30(6):26-29. [2] 王禹川, 王怒涛, 袁晓满,等. 碳酸盐岩缝洞型油藏产能评价方法探讨[J]. 断块油气田, 2011, 18(5):637-640. [3] 杨瑀, 何志雄, 陈旭,等. 缝洞型油藏油井产能分析[J]. 断块油气田, 2014, 21(6):746-749. [4] 康志江, 李江龙, 张冬丽,等. 塔河缝洞型碳酸盐岩油藏渗流特征[J]. 石油与天然气地质, 2005, 26(5):634-640. [5] 邓力, 俞栋, 谢磊. 深度学习[M]. 北京:机械工业出版社, 2016. [6] 张广杰, 刘明新, 武若霞. 神经网络在油田动态预测方面的应用[J]. 石油学报, 1997, 18(4):70-75. [7] 杨志浩,李治平. 基于BP神经网络的底水油藏控水压裂选段新方法[J]. 地质与勘探,2017,53(4):818-824. DOI:10.13712/j.cnki.dzykt.2017.04.023. [8] 倪红梅. 基于智能计算的蒸汽驱开发效果预测与参数优化方法研究[D].东北石油大学,2016. [9] 李铁宁. 基于动态神经网络的油田开发数据分析和预测模型研究[D].东北石油大学,2016. [10] 张学磊,沈楠,樊茹,张守良,唐玮. 神经网络技术在复杂断块油藏水淹层评价中的应用[J]. 复杂油气藏,2015,8(3):55-58+70. DOI:10.16181/j.cnki.fzyqc.2015.03.012. [11] GRAVES A. Generating sequences with recurrent neural networks[J]. Computer Science, 2013. [12] CHAKRA N C, SONG K Y, GUPTA M M, et al. An innovative neural forecast of cumulative oil production from a petroleum reservoir employing higher-order neural networks (HONNs)[J]. Journal of Petroleum Science & Engineering, 2013, 106(106):18-33. [13] CHAKRANC C, SONG K Y, SARAF N D, et al. Production forecasting of petroleum reservoir applying higher-order neural network (HONN) with limited reservoir data[J]. International Journal of Computer Applications, 2013, 72(2):23-35. [14] KINGMA D P, BA J. Adam:A method for stochastic optimization[J]. Computer Science, 2014. |