심층 탄층가스 직송정 생산 탈착 규칙과 자유 가스와 탈착 가스의 전환 시기가 아직 명확하지 않으며, 생산능력 차이의 주된 통제 요인은 아직 확정되지 않아 생산능력 향상에 영향을 미치고 있다. 생산능력의 주요 통제 요인을 더 평가하기 위해 36개의 직송정 생산 동적 매개변수를 기반으로 신경망을 사용하여 정저 유량 압력을 예측하는 방법과 결합하여 초기 미터별 채취 가스 지수를 중심으로 여러 기계 학습 알고리즘을 통합한 생산능력 영향 요인 평가의 새로운 방법을 개발하였다. 결과는 다음과 같다: ① Beggs & Bill 모델과 Gray 모델은 심층 탄층가스 정저 유량 압력 예측에 적합하지 않다. 단상 가스 모델은 생산수량 감소에 따라 전체 오차가 감소한다. 신경망 예측 방법은 실제 측정값 대비 상대 오차가 10% 미만으로 우수한 예측 성능을 보였다. ② Kendall’s tau-b (켄달 상관계수) 분석 결과, 이산형 주된 통제 요인은 미세구조 위치로, 주로 상승구의 정향 구조 구역에 위치하며, 다음으로 균열 발달 정도는 주로 발달 및 중발달 상태이다. ③ 라쏘 회귀-랜덤 포레스트-의사결정나무를 결합하여 비관련 영향 요인을 단계적으로 제거하고, 생산능력에 영향을 미치는 연속형 주요 통제 요인을 크기순으로 정렬한 결과, 회분 함량, 평균 시공량, 총 지하 사량, 가스 출현 시 반출률, 종횡 두께, 음파 시차, 감마, 평균 시공 압력, 100메쉬 사 비율, 가스 측정 평균값 순이었다. 공학적 요인이 가스정 생산능력에 미치는 영향은 무시할 수 없다. 이 방법은 여러 기계 학습 알고리즘의 장점을 결합하여 조작성이 뛰어나고 탄층가스 동적 예측 정확도를 향상시켜 수압 파쇄 설계 매개변수 최적화와 탄층가스 압쇄 후 생산능력 향상에 과학적 근거를 제공한다.

심층 탄층가스; 라쏘 회귀-랜덤 포레스트-의사결정나무; 지질-공학 인자; 상관 분석; 생산능력