No processo de desenvolvimento do gás de xisto em camadas médias e profundas do sul de Sichuan, métodos convencionais de engenharia para reservatórios de petróleo e gás, como expansão de fraturas, análise de tensões induzidas e simulação numérica, tornam o trabalho de previsão para poços compactados pesado e incapaz de lidar eficazmente com as diferenças de capacidade em diferentes etapas de produção, com condições de aplicação rigorosas. Para prever rápida e precisamente a capacidade de produção de poços compactados, com base na característica de diminuição em ‘três etapas’ da curva de pressão de produção de poços antigos, o período de queda acentuada é considerado como fase inicial de produção de água, e os períodos de queda rápida e lenta como fase tardia de produção de gás. O algoritmo de otimização do lobo cinzento (GWO), que possui rápida otimização, adaptabilidade e mecanismo de feedback de informação, é usado para a seleção de hiperparâmetros do modelo de rede neural de memória de longo e curto prazo (LSTM). Foram construídos modelos para fases inicial e tardia determinando, via GWO, o número ótimo de neurônios da camada oculta, taxa de perda de pacotes e tamanho do lote. O número de iterações é definido por meio das curvas de perda e indicadores de desempenho. Adota-se um método de aquecimento da taxa de aprendizado linear para ajustar dinamicamente a taxa de aprendizado, permitindo um treinamento rápido e formando um modelo de previsão de produção por fases. O estudo de caso mostra que o modelo LSTM otimizado pelo GWO, com taxa de aprendizado pré-definida de 0,002 e 450 iterações, pode convergir rapidamente em curto período, atingindo um índice de desempenho final de 0,923. Comparado ao modelo LSTM tradicional, o erro absoluto médio nas fases inicial e tardia diminuiu em 1,290 m³/dia e 0,213×10⁴ m³/dia, respectivamente; comparado aos resultados da simulação numérica, o erro absoluto médio da previsão de produção de gás diminuiu em 0,24×10⁴ m³/dia. Portanto, o modelo LSTM aprimorado apresenta excelente desempenho na previsão da capacidade de produção em diferentes fases, e o modelo correspondente pode prever com precisão as variações da capacidade de produção dos poços compactados de gás de xisto em camadas médias e profundas do sul de Sichuan, fornecendo base teórica para métodos de previsão da capacidade dos poços compactados.

gás de xisto;poços compactados;rede neural;GWO;previsão de capacidade