基于改进图注意力网络的油井产量预测模型

来源：吉林大学学报·理学版杂志2024年第4期北京时间：

作者：张强, 彭骨, 薛陈斌

单位：东北石油大学 计算机与信息技术学院, 黑龙江 大庆 163318

摘要：针对图注意力网络处理噪声和时序数据较弱, 并且在堆叠多层后出现梯度爆炸、 过平滑等问题, 提出一种改进图注意力网络模型.首先, 使用Squeeze-and-Excitation模块对样本输入数据的特征信息进行不同程度关注, 增强模型处理噪声的能力； 其次, 使用多头注意力机制, 将序列数据中每个序列相对其他序列进行加权求和, 提取数据的时序性； 再次, 将图注意力网络提取的节点特征与节点的度中心性拼接, 获取节点的局部特征, 并用全局平均池化的方式提取节点的全局特征； 最后, 将两者进行融合得到节点的最终特征表示, 增强模型的表征能力. 为验证改进图注意力网络的有效性, 将改进图注意力网络模型与LSTM,GRU和GGNN模型进行对比, 实验结果表明, 该模型预测效果得到有效提升, 具有更高的预测精度.

关键词：图注意力网络,多头注意力,节点度中心性,全局平均池化