تتميز خزانات النفط الصخري في منطقة طول 7 التابعة للنظام الثلاثي في حوض الأورودوس بعدم تجانس أفقية بارزة في المكامن وتغيرات واضحة في خصائص النفط الخام، مما حال دون تحقيق تطوير فعال وواسع النطاق. يعد التنبؤ الدقيق بإنتاج كل بئر وتحديد العوامل الرئيسية للتحكم أمرًا حيويًا لتحسين إجراءات الإنتاج الميدانية. استنادًا إلى بيانات الإنتاج والمعلمات الهندسية والتكسير لـ197 بئرًا عينة محددة في منطقة طول 7، تم أولاً تصنيف الآبار باستخدام خوارزمية FCM ذات الوزن المميز، ثم بناء نموذج LSTM مدخل إليه آلية الانتباه للتنبؤ الذكي بالإنتاج. يمكن لهذه الآلية تجاوز صعوبات نموذج LSTM في اختيار المعلومات الرئيسية تحت ظروف متعددة المعلمات، مع إعطاء الأولوية للعوامل الأكثر أهمية وتجاهل الأقل تأثيرًا؛ بعد ذلك، تم تحسين معلمات النموذج عبر خوارزمية التطور التفاضلي، وأخيرًا تمت مقارنة قيم الإنتاج المتوقعة بين نموذج LSTM والنموذج التقليدي Arps. أظهرت النتائج أنه ضمن الثلاث فئات المصنفة من الآبار، تعتبر درجة تشبع النفط، عدد مقاطع التكسير، كمية الرمل المضافة، إجمالي حجم السائل الداخل وطول الطبقة العطرية هي العوامل الرئيسية المؤثرة في الإنتاج، مع اختلاف نسب كل عامل بين الفئات. أظهر نموذج الإنحدار التقليدي Arps أخطاء كبيرة في R² وRMSE وMAPE، وكانت توقعاته أدنى من نموذج الشبكة العصبية في تنبؤ إنتاج الآبار. بعد إدخال آلية الانتباه، تحسنت دقة النموذج LSTM في التنبؤ بإنتاج الفئات الثلاث من الآبار بنسبة 3.34٪، 3.57٪، و2.57٪ على التوالي، مما يبرز فاعلية آلية الانتباه. وفقًا لخصائص الإنتاج المختلفة للآبار في مراحل مختلفة، يمكن تحسين نتيجة التنبؤ عبر تعديل معلمات مدخلات نموذج AT-LSTM وطول مجموعة البيانات التدريبية. بهدف زيادة إنتاج البئر، أكدت الدراسة جدوى تحسين العوامل الرئيسية للآبار في الحوض بالتعاون المتعدد العوامل، وقدمت دعمًا قويًا لتعديل إجراءات الإنتاج في آبار النفط الصخري لمنطقة طول 7.

آلية الانتباه;خوارزمية التطور التفاضلي;نموذج LSTM;تنبؤ الإنتاج;نفط صخري