オルドス盆地三畳系ヤンチャン累層第7区間（チョウ7区間）のシェールオイル貯留層は、貯留層の横方向不均質性が顕著であり、原油の物性変化も明らかであるため、大規模かつ効果的な開発はこれまで実現していない。単井生産量を正確に予測し、その主な制御要因を特定することは、現場の生産対策を最適化する上で極めて重要である。チョウ7区間から選別された197本のサンプル井の生産データおよび工事・圧裂パラメータに基づき、まず特徴加重ファジィC平均クラスタリング（Fuzzy C-Means Clustering、FCM）アルゴリズムを用いて単井を分類し、注意機構を導入した長短期記憶ネットワーク（Long Short-Term Memory、LSTM）モデルを構築して生産量の知能シミュレーション予測を行った。本機構は多パラメータ条件下でLSTMモデルが重要情報を抽出する困難を効果的に克服し、最も重要な要素を優先し、影響の小さい要素を無視することが可能である。その後、差分進化アルゴリズムでモデルパラメータを最適化し、最終的に生産量予測値をLSTMモデルおよび従来のArpsモデルの予測値と比較分析した。結果は、分類された3種類の単井において、含油飽和度、圧裂区間数、加砂量、地下総液量、および油層長が単井生産量に影響を与える主要因であり、各因子の割合は3種類の単井で異なることを示した。従来のArps減衰モデルは決定係数（R²）、平方平均二乗誤差（RMSE）、平均絶対百分率誤差（MAPE）の3指標すべてにおいて誤差が大きく、シェールオイル貯留層単井生産量予測では神経ネットワークモデルの予測効果に及ばない。注意機構の導入により、LSTMモデルは3種の単井生産量の予測精度をそれぞれ3.34％、3.57％、2.57％向上させ、注意機構の優れた最適化効果を示した。3種類の単井の異なる生産段階に合わせてAT-LSTMモデルの入力パラメータおよび学習データ長を調整することで生産量予測効果をさらに向上できる。単井生産量の向上を目標に、地域内単井の主な制御因子の最適化を行い、多因子協調最適化の実現可能性を検証するとともに、チョウ7区間シェールオイル貯留層単井の生産対策調整に強力な支援を提供した。

オルドス盆地;ヤンチャン累層第7区間;シェールオイル;注意機構;差分進化アルゴリズム;LSTMモデル;生産量予測