功图量油是一种采用示功图估计油井产液量的技术,目前,主要采用有效冲程法实现。但是,有效冲程法往往存在建模复杂度高、计算速度慢等问题,因此,论文提出了一种基于循环神经网络的示功图量油方法。该方法采用循环结构提取地面示功图采样点周期序列中的时序特征,并利用深度网络挖掘其与产液量之间的非线性关系,实现了从地面示功图直接计算产液量的量油过程。试验采用全国23个地区的283口不同工况的油井功图数据进行训练和测试,所得产液量计算值的平均相对误差为8.07%,可决系数(R2)为0.94,且计算速度达毫秒级。研究结果表明,基于循环神经网络的示功图量油方法避免了井下泵示功图的转换与柱塞有效冲程的计算,具有准确性高和计算速度快等优点。