本發(fā)明提出了一種基于元學(xué)習(xí)(Meta?Learning)的多任務(wù)油田生產(chǎn)動(dòng)態(tài)擬合模型。油田生產(chǎn)任務(wù)眾多，特性復(fù)雜，針對(duì)每一類任務(wù)每一個(gè)油田設(shè)計(jì)算法模型不現(xiàn)實(shí)，因此我們提出了基于元學(xué)習(xí)的多任務(wù)油田生產(chǎn)動(dòng)態(tài)擬合模型。該模型相比與常用的算法模型具有以下優(yōu)勢(shì)：該模型適用于多類任務(wù)，例如分類、回歸以及強(qiáng)化學(xué)習(xí)等；該模型適用于當(dāng)前常用的多種模型，例如CNN、DNN等；該模型在數(shù)據(jù)集較少的情況下表現(xiàn)優(yōu)于常見的模型，模型訓(xùn)練速度快，通過較少次數(shù)的梯度下降就可以到達(dá)很好的效果；該模型針對(duì)油田任務(wù)提出了一種通用的表達(dá)方式。該模型分為訓(xùn)練階段與運(yùn)行測(cè)試階段：訓(xùn)練階段，通過不同井的生產(chǎn)數(shù)據(jù)，調(diào)整模型參數(shù)，找到每口井的敏感參數(shù)，從而得到較好的油田生產(chǎn)動(dòng)態(tài)模型；運(yùn)行階段，針對(duì)不同類型的任務(wù)，可以較好的實(shí)現(xiàn)某口井的生產(chǎn)動(dòng)態(tài)預(yù)測(cè)任務(wù)(回歸)，井下故障預(yù)測(cè)任務(wù)(分類)，或者其他任務(wù)。