Advanced Deep Regression Models for Forecasting Time Series Oil Production

要約

世界の石油需要は急速に増加しており、2040 年までに日量 1 億 630 万バレルに達すると予想されています。そのため、炭化水素抽出産業にとって、操業を最適化し損失を回避するには生産量を予測することが重要です。
大企業は、この目的のためにディープラーニング (DL) の力とさまざまな油井からの大量のデータを活用することで、運用コストを大幅に節約し、望ましくない環境への影響を軽減できることに気づきました。
この方向で、研究者らは石油生産予測に従来の機械学習（ML）技術を使用したモデルを提案している。
ただし、これらの手法は時系列データに見られる履歴パターンを捕捉できないため、この問題には不適切であり、予測が不正確になります。
この研究は、逐次畳み込みと長短期記憶 (LSTM) ユニットを使用した高度なデータ駆動型回帰モデルを開発することで、これらの問題を克服することを目的としています。
徹底的な解析を行って、最適な配列長、モデルのハイパーパラメータ、クロスウェルデータセットの形成を選択し、高度に一般化された堅牢なモデルを構築します。
Volve 油田データに関する包括的な実験研究により、提案されたモデルが検証されました。
これは、LSTM ベースのシーケンス学習モデルが、平均絶対誤差 (MAE) と R2 スコアがそれぞれ 111.16 と 0.98 で、1 次元畳み込みニューラル ネットワーク (CNN) よりも良好に石油生産を予測できることを明らかにしています。
また、LSTM ベースのモデルは、既存のすべての最先端のソリューションよりも優れたパフォーマンスを示し、この作業のベースライン モデルとみなされる標準線形回帰と比較して 37% の改善を達成していることもわかりました。

要約(オリジナル)

Global oil demand is rapidly increasing and is expected to reach 106.3 million barrels per day by 2040. Thus, it is vital for hydrocarbon extraction industries to forecast their production to optimize their operations and avoid losses. Big companies have realized that exploiting the power of deep learning (DL) and the massive amount of data from various oil wells for this purpose can save a lot of operational costs and reduce unwanted environmental impacts. In this direction, researchers have proposed models using conventional machine learning (ML) techniques for oil production forecasting. However, these techniques are inappropriate for this problem as they can not capture historical patterns found in time series data, resulting in inaccurate predictions. This research aims to overcome these issues by developing advanced data-driven regression models using sequential convolutions and long short-term memory (LSTM) units. Exhaustive analyses are conducted to select the optimal sequence length, model hyperparameters, and cross-well dataset formation to build highly generalized robust models. A comprehensive experimental study on Volve oilfield data validates the proposed models. It reveals that the LSTM-based sequence learning model can predict oil production better than the 1-D convolutional neural network (CNN) with mean absolute error (MAE) and R2 score of 111.16 and 0.98, respectively. It is also found that the LSTM-based model performs better than all the existing state-of-the-art solutions and achieves a 37% improvement compared to a standard linear regression, which is considered the baseline model in this work.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google