%0 Journal Article
%A 李继
%A 方宇
%A 闵帆
%A 王欣
%T 基于预训练机制的时空图气量预测模型
%D 2025
%R 10.13232/j.cnki.jnju.2025.06.003
%J 南京大学学报(自然科学版)
%P 917-927
%V 61
%N 6
%X <p>针对石油领域传统气量预测模型在捕捉长时间依赖和刻画气井间非线性、多尺度空间交互方面的不足，提出基于预训练机制的时空图气量预测模型.在预训练阶段，通过Transformer模块构建时间序列掩码自编码器，提取油田生产数据的深层时序特征，生成具备全局上下文感知的段级表征，解决传统模型时序特征提取不充分的问题；在预测阶段，依托时空特征融合机制，将上述时序表征与动态图结构学习模块捕获的气井空间依赖相结合，突破传统方法在长期记忆缺失、预定义图结构不完整场景下的性能瓶颈.实验结果显示，模型预测的平均绝对误差降至0.156，和基准模型相比，误差分别降低6.6%，36.3%，26.9%和67.9%，性能显著提升.该成果为石油勘探中的时空数据建模提供了新的深度学习范式，是时空大模型工程化应用的有益探索.</p>
%U https://jns.nju.edu.cn/CN/10.13232/j.cnki.jnju.2025.06.003