Một trong những nhiệm vụ then chốt của việc quản lý khai thác mỏ dầu khí là sử dụng dữ liệu lịch sử khai thác để dự báo sản lượng khai thác trong tương lai và đánh giá trữ lượng trong quá trình lên kế hoạch phát triển mỏ dầu khí. Gần đây, lĩnh vực học máy, học sâu đã giải quyết được những hạn chế của các phương pháp dự báo truyền thống là phức tạp và tốn nhiều thời gian. Với sự gia tăng theo thời gian lượng dữ liệu khai thác, thì cách tiếp cận học sâu này thể hiện tính hợp lý và độ tin cậy cũng như sự chính xác cao trong công tác dự báo khai thác. Bài báo này đề xuất một cách tiếp cận học sâu để dự báo lượng khai thác dầu khí bằng các mạng nơ-ron hồi quy có bộ nhớ ngắn hạn định hướng dài hạn sâu (Deep LSTMs - DLSTM). Thuật giải di truyền (Genetic Algorithm-GA) được kết hợp sử dụng để tối ưu hóa mạng DLSTM. Cách tiếp cận này được vận dụng để dự báo khai thác cho mỏ STD, bể Cửu Long. Kết quả dự báo chính xác đã thể hiện được hiệu quả và sự đúng đắn của cách tiếp cận và phương