As regras de dessorção na produção de poços diretos de gás em camadas profundas de carvão, bem como o momento da conversão do gás livre para o gás dessorvido, ainda não estão claros, e os principais fatores que controlam as diferenças de produção permanecem incertos, afetando o aumento da capacidade de produção. Para avaliar melhor os principais fatores que controlam a capacidade, com base em parâmetros dinâmicos de produção de 36 poços diretos, combinados com a previsão da pressão na base do poço por redes neurais, foi formada um novo método de avaliação dos fatores que influenciam a capacidade, centrado no índice inicial de extração de gás por metro e integrando vários algoritmos de aprendizado de máquina. Os resultados mostram: ① Os modelos de Beggs & Bill e Gray são inadequados para prever a pressão na base de poços de gás de carvão profundos. O modelo monofásico de gás apresenta erro geral menor com a diminuição da produção de água. A previsão por rede neural teve bom desempenho, com erro relativo inferior a 10% em comparação com a medição real. ② A análise de Kendall’s tau-b indica que os principais fatores discretos de controle são a posição da microestrutura, localizada principalmente na zona de elevação e na zona estrutural positiva; em seguida, o grau de desenvolvimento das fraturas, predominantemente desenvolvido e moderadamente desenvolvido. ③ Combinando regressão Lasso, floresta aleatória e árvore de decisão para eliminar progressivamente fatores não relacionados, os fatores contínuos principais que influenciam a capacidade foram ordenados, do maior para o menor: teor de cinzas, volume médio de construção, quantidade total de areia inserida, taxa de recirculação ao detectar gás, espessura vertical, atraso acústico, gama, pressão média de construção, proporção de areia de malha 100, média medida de gás. A influência dos fatores de engenharia na capacidade do poço de gás não pode ser ignorada. Este método combina as vantagens de vários algoritmos de aprendizado de máquina, é operacionalmente robusto, melhora a precisão da previsão dinâmica do gás de carvão e ajuda a otimizar os parâmetros de projeto do fraturamento, fornecendo uma base científica para melhorar a capacidade de produção após o fraturamento.

gás de carvão profundo; regressão Lasso-floresta aleatória-árvore de decisão; fatores geológicos e de engenharia; análise de correlação; capacidade