Коллекционный горизонт сланцевого газа характеризуется высокой плотностью и значительной неоднородностью, естественный приток крайне низок, поэтому для увеличения добычи необходимо применять технологию гидроразрыва пласта, чтобы получить промышленный газовый поток. Ключом к оценке эффективности гидроразрыва и оптимизации технологических параметров является получение точных параметров трещиноватой сети. Традиционные методы мониторинга трещин (например, микросейсмический мониторинг) дорогостоящи и не обеспечивают полного покрытия района скважин, тогда как численные модели требуют большого количества инженерно-геологических данных, что при неполных или отсутствующих геологических данных ухудшает точность прогнозов по скважинам. Необходим экономичный и эффективный новый метод получения параметров трещиноватой сети. В связи с этим предложен метод обратного решения параметров трещинового комплекса сланцевого бассейна на основе глубокого обучения, основой которого является количественный анализ параметров кривой гидроразрыва на основе данных об операции на объекте, использование показателей сильной корреляции параметров сети в качестве входных данных и микросейсмических параметров (включая длину, ширину, высоту и объем сети) в качестве целевых выходных данных для построения обратной модели на основе нейронной сети BP (обратное распространение ошибки) для точного определения параметров трещиновой сети. На основании 450 кривых гидроразрыва с месторождения сланцевого газа в западном районе Юйси модель была обучена и оптимизирована, при этом средняя относительная ошибка обратного решения параметров трещин в тестовой выборке составила менее 15%, что подтверждает жизнеспособность данного нового метода для обратного решения параметров трещинового комплекса сланцевого бассейна.

сланцевый газ; кривая гидроразрыва; прогноз параметров трещин; нейронная сеть BP; обратное решение