Controlled Time-Series Proxy for Waterflooding Optimization
Cet article présente un flux de travail d'ingénierie rigoureusement validé qui intègre l'optimisation bayésienne, les algorithmes génétiques et la régularisation tenant compte de la VAN pour transformer des proxys de séries temporelles basés sur le LSTM en outils d'aide à la décision fiables pour l'optimisation de l'injection d'eau, démontrant que la précision prédictive seule est insuffisante pour garantir des rendements économiques et soulignant la nécessité d'une réévaluation par un simulateur de haute fidélité.