A comparative machine learning study for time series oil production forecasting: ARIMA, LSTM, and Prophet

It is challenging to predict the production performance of unconventional reservoirs because of the sediment heterogeneity, intricate flow channels, and complex fluid phase behavior. The traditional oil production prediction methods (e.g., decline curve analysis and reservoir simulation modeling for...

Celý popis

Uloženo v:

Podrobná bibliografie
Vydáno v:	Computers & geosciences Ročník 164; s. 105126
Hlavní autoři:	Ning, Yanrui, Kazemi, Hossein, Tahmasebi, Pejman
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	Elsevier Ltd 01.07.2022
Témata:	ARIMA artificial intelligence basins LSTM Machine learning neural networks Oil production prediction oils prediction sediments time series analysis Time series forecasting Time series forecasting Oil production prediction LSTM ARIMA Machine learning
ISSN:	0098-3004
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!

Buďte první, kdo okomentuje tento záznam!