El yacimiento de gas de pizarra es muy compacto y presenta una heterogeneidad significativa, con una producción natural extremadamente baja. Es necesario utilizar la técnica de fracturamiento hidráulico para aumentar la producción y obtener flujo de gas industrial. La clave para evaluar la efectividad de las operaciones de fracturamiento y optimizar los parámetros del proceso es obtener parámetros precisos de la red de fracturas. Las técnicas tradicionales de monitoreo de fracturas (como el monitoreo micro-sísmico) son costosas y no pueden cubrir completamente el área del pozo, mientras que los modelos de predicción numérica requieren muchos parámetros geológicos de ingeniería, lo que resulta en resultados pobres debido a datos incompletos o faltantes en la predicción del tramo del pozo. Se requiere urgentemente un nuevo método económico y eficiente para obtener los parámetros de la red. Por ello, se propone un método de inversión de red de fracturas del yacimiento de gas de pizarra basado en aprendizaje profundo, cuyo núcleo es analizar cuantitativamente los parámetros característicos de las curvas de fracturamiento basadas en datos de fracturamiento del campo, usar indicadores de alta correlación de parámetros de red como entrada y parámetros de red monitoreados micro-sísmicamente (incluyendo longitud, ancho, altura, volumen) como salida objetivo, para establecer un modelo de inversión de red neuronal BP (retropropagación del error) que logre una inversión precisa de los parámetros de la red de fracturas. Con base en 450 tramos de curvas de fracturamiento de pozos de gas de pizarra en la región de Yuxi, el modelo fue entrenado y optimizado; los resultados de inversión de parámetros de red en el conjunto de prueba mostraron un error relativo promedio inferior al 15%, lo que valida la viabilidad del nuevo método para la inversión de la red de fracturas en los yacimientos de gas de pizarra.

gas de pizarra; curva de fracturamiento; predicción de parámetros de red; red neuronal BP; inversión