셰일 가스 저류층은 치밀성이 높고 비균질성이 뚜렷하며 자연 생산량이 매우 낮아 산업 가스 흐름을 얻기 위해서는 수압파쇄 기술을 사용하여 생산량을 증가시켜야 한다. 파쇄 작업의 효과 평가 및 공정 매개변수 최적화의 핵심은 정확한 파쇄 균열망 매개변수를 얻는 것이다. 기존 균열 모니터링 기술(예: 마이크로지진 모니터링)은 비용이 많이 들고 작업 구역 전체를 모니터링할 수 없으며, 수치 시뮬레이션 예측 모델은 많은 공학 지질 매개변수를 필요로 하여 지질 자료가 불완전하거나 누락된 구간의 예측 효과가 좋지 않아 경제적이고 효율적인 균열망 매개변수 획득을 위한 새로운 방법이 절실히 요구된다. 이에 현장 시공 파쇄 곡선 데이터를 기반으로 파쇄 곡선 특성 매개변수를 정량 분석하고 균열망 매개변수의 강한 상관성 지표를 입력값으로, 마이크로지진 모니터링 균열망 매개변수(균열망 길이, 너비, 높이, 체적)를 목표 출력값으로 하는 BP(오차역전파) 신경망 역산 모델을 구축하여 파쇄 균열망 매개변수를 정확히 역산하는 딥러닝 기반 셰일 가스 저류층 파쇄 균열망 역산 방법을 제안한다. 중국 육서 지역 셰일 가스정의 현장 450개 파쇄 곡선을 기반으로 모델을 학습하고 매개변수를 최적화했으며, 테스트 세트 균열망 매개변수 역산 결과의 평균 상대 오차가 15% 미만으로 나타나 이 새로운 방법이 셰일 가스 저류층 파쇄 균열망 역산에 적용 가능함을 검증했다.

셰일가스;파쇄곡선;균열망 매개변수 예측;BP신경망;역산