Регулярность производства дегазации глубоких угольных пластов скважинами прямого типа, время преобразования свободного газа в дегазированный газ еще не ясны, основные контролирующие факторы разницы производительности остаются неопределенными, что влияет на повышение производительности. Для дальнейшей оценки основных факторов производительности, на основе динамических производственных параметров 36 скважин прямого типа и с использованием нейронной сети для прогнозирования давления в забое, была разработана новая методика оценки факторов влияния на производительность, основанная на начальном индексе добычи и включающая несколько алгоритмов машинного обучения. Результаты показывают: ① модели Beggs & Bill и Gray плохо применимы для прогнозирования давления в забое глубоких угольных скважин. Модель однофазного газа при снижении водопроизводительности снижает общую ошибку. Прогнозирование с применением нейронных сетей дает хорошие результаты с относительной ошибкой менее 10%. ② Анализ коэффициента корреляции Кендалла tau-b выявил дискретные контролирующие факторы — положение микроструктуры, преимущественно расположенной в приподнятых и положительных структурных зонах; далее степень развития трещин, преимущественно хорошо и средне развитая. ③ Совместное применение лассо-регрессии, случайного леса и дерева решений позволило поэтапно исключить нерелевантные факторы, определив основные непрерывные контролирующие факторы, влияющие на производительность, в порядке убывания: содержание золы, средний объем гидроразрыва, общий объем песка в пласте, коэффициент обратного выноса при появлении газа, вертикальная толщина, акустическая задержка, гамма, среднее давление гидроразрыва, доля песка с размером ячеек 100, среднее значение газового измерения. Влияние инженерных факторов на производительность газовой скважины нельзя игнорировать. Этот метод объединяет преимущества различных алгоритмов машинного обучения, обладает высокой оперативностью и повышает точность динамического прогноза угольного газа, что способствует оптимизации параметров гидроразрыва и предоставляет научную основу для повышения производительности газовых скважин после гидроразрыва.

глубокий угольный газ; лассо-регрессия-случайный лес-дерево решений; геолого-инженерные факторы; корреляционный анализ; производительность