文档介绍：第 49 卷 第 1 期 化工自动化及仪表 41
基于双层GRU神经网络的油田注水预测方法研究 采 用 循 环 神 经 网 络 注水流量进行预测，通过对比两种不同隐层的预
（RNN）、长短期记忆（LSTM）和GRU 3种模型对鱼 测结果来证明深度学****在注水流量预测效果上
塘中的溶解氧含量进行了预测，结果表明GRU和 更具优势。
LSTM的预测能力相近， 但GRU针对参数设置和 1 模型的构建
模型训练更 简便、快捷，总 体上性 能 更 优 ；文 献 单隐层GRU模型
［11］利用生态浮标监测数据，分别建立了单隐层 GRU神经网络模型是在RNN模型的基础上
基金项目：黑龙江省自然科学基金项目（LH2020F004）；中海油重点项目（CNOOC-KJ135ZDXM38ZJ）。
作者简介：于志刚（1982-），高级工程师，从事采油工程技术研究工作。
通讯作者：辛小军（1983-），工程师，从事试井工作，******@。42 化工自动化及仪表 2022 年
进行改进得到的。 作为一种强大的深度学****网 的信息留下，没用的信息会被丢弃。 通过引入门
络，RNN与其他神经网络有所不同， 它对前面的 结构，在一定程度上解决了RNN反向传播过程中
信息有一种独特的“记忆”功能 ［13］，同时，RNN之 存在梯度消失或梯度爆炸的问题［14］。
所以被称为循环神经网络，是因为在RNN的网络 首先通过更新门和重置门的计算来确定当
结构（图1）中，一个时间序列当前时刻的输出值 前时刻的隐含层状态和当前的记忆内容。 当前时
与前一时刻的输出值具有相关性，网络会记忆前 刻的输入xt和上一时刻隐含层输出ht-1分别与权重
一时刻的输出信息并直接应用到当前时刻输出 矩阵W、U相乘，相加之后再利用sigmoid激活函数
的计算中， 即隐含层之间的节点是有连接的，且
将结果压缩在0~1