В процессе этапного освоения сланцевых газовых месторождений новые скважины при гидроразрыве легко вызывают межскважинные помехи с соседними скважинами, что серьезно влияет на эффективность разработки старых и новых скважин. Однако в настоящее время отсутствуют количественные, точные и эффективные методы оценки и прогнозирования риска межскважинных помех, что затрудняет эффективное избегание зон с высокой вероятностью помех при планировании уплотнения скважин. В связи с этим на основе методов машинного обучения была построена модель оценки риска межскважинных помех в сланцевых газовых скважинах, реализующая количественную оценку риска и эффективно помогающая максимизировать производительность скважин. Во-первых, были отобраны ключевые факторы, наиболее сильно влияющие на межскважинные помехи, и создана методика обработки данных для повышения качества данных с целью формирования обучающего набора данных; затем на основе кластеризации K-средних и корреляционного анализа Спирмена была построена модель оценки степени риска межскважинных помех, осуществляющая качественную оценку уровня помех в скважинах, подвергающихся межскважинным помехам; в конце на основе результатов оценки риска и метода классификации KNN была построена модель прогнозирования риска межскважинных помех, реализующая количественное прогнозирование риска для новых и не подверженных помехам скважин, при этом влияние каждого фактора на помехи было количественно определено на основе результатов модели. Результаты показывают, что доля скважин с низким, ниже среднего, средним, выше среднего и высоким уровнем межскважинных помех в сланцевом газовом месторождении X составляет соответственно 27,48%, 30,39%, 20,59%, 16,67% и 4,90%. Точность модели прогнозирования риска межскважинных помех составила 90,48%, при этом наибольшее влияние на помехи оказывает суточный объём добычи газа в материнской скважине до помех. По сравнению с традиционными методами обработки данных предложенный в данном исследовании способ повышает точность модели на 14,29%, что предоставляет надежный способ количественного прогнозирования риска межскважинных помех в сланцевых газовых скважинах.

сланцевый газ;межскважинные помехи;оценка и прогнозирование риска;машинное обучение;кластеризация K-средних;классификация KNN