O reservatório de gás de xisto é altamente compacto e apresenta heterogeneidade significativa, com produção natural extremamente baixa. É necessário utilizar a técnica de fraturamento hidráulico para aumentar a produção e obter fluxo de gás industrial. A chave para avaliar a eficácia das operações de fraturamento e otimizar os parâmetros do processo é obter parâmetros precisos da rede de fraturas. As técnicas tradicionais de monitoramento de fraturas (como o monitoramento micro-sísmico) são caras e não conseguem cobrir completamente a área do poço, enquanto os modelos de previsão numérica requerem muitos parâmetros geológicos de engenharia, levando a resultados ruins na previsão de trechos de poços com dados geológicos incompletos ou ausentes. Há uma necessidade urgente de um novo método econômico e eficiente para obter os parâmetros da rede. Para isso, propõe-se um método de inversão da rede de fraturas do reservatório de gás de xisto baseado em aprendizado profundo, cujo núcleo é a análise quantitativa dos parâmetros característicos da curva de fraturamento baseada nos dados de fraturamento do campo, utilizando indicadores de alta correlação dos parâmetros da rede como entrada e parâmetros da rede monitorados por micro-sísmica (incluindo comprimento, largura, altura, volume) como saída alvo, para estabelecer um modelo de inversão por rede neural BP (retropropagação do erro), realizando a inversão precisa dos parâmetros da rede de fraturas. Com base em 450 trechos de curvas de fraturamento de poços de gás de xisto na região de Yuxi, o modelo foi treinado e otimizado; os resultados da inversão dos parâmetros da rede no conjunto de teste apresentaram erro relativo médio inferior a 15%, confirmando a viabilidade deste novo método para a inversão da rede de fraturas em reservatórios de gás de xisto.

gás de xisto; curva de fraturamento; previsão dos parâmetros da rede; rede neural BP; inversão