深層炭層ガスの直叢井の生産脱着規則や、遊離ガスと脱着ガスの転換時期はまだ明確でなく、生産能力差の主な制御要因も不確定であり、生産能力の向上に影響を与えています。生産能力の主な制御要因をさらに評価するために、36口の直叢井の生産動的パラメータを基に、神経ネットワークによる井底流圧予測を組み合わせ、初期のメートル当たりガス採取指数を中心とし、複数の機械学習アルゴリズムを統合した生産能力影響因子評価の新しい方法を形成しました。結果は以下の通りです。①Beggs & BillモデルとGrayモデルは深層炭層ガス井の井底流圧予測に適していません。単相ガスモデルは産水量の減少に伴い全体誤差が小さくなります。神経ネットワークによる予測は実測に対する相対誤差が10%未満で良好でした。②Kendall’s tau-b（ケンドール相関係数）分析により、離散型の主な制御因子は微細構造の位置であり、主に隆起帯の正構造帯に位置します。次いで、主に発達及び中程度に発達した割れ目の発達度です。③ラッソ回帰-ランダムフォレスト-決定木を組み合わせて、関連のない影響因子を段階的に除外し、生産能力に影響を与える連続型の主な制御因子を大きい順に並べると、灰分含有量、平均施工量、地中総砂量、気見返排率、垂直厚さ、弾性波時差、ガンマ、平均施工圧力、100メッシュ砂占有率、気測平均値となりました。工学的要因が気井の生産能力に与える影響は無視できません。この方法は複数の機械学習アルゴリズムの利点を組み合わせ、操作性に優れ、炭層ガスの動的予測精度を向上させ、破砕設計パラメータの最適化に役立ち、圧裂後の生産能力向上の科学的根拠を提供します。

深層炭層ガス; ラッソ回帰-ランダムフォレスト-決定木; 地質-工学因子; 相関分析; 生産能力