Para mejorar la precisión y fiabilidad en la predicción de la producción de pozos de gas de esquisto con fracturas naturales, se propone un modelo de predicción basado en la combinación del Algoritmo mejorado de optimización de gaviotas (Improved Seagull Optimization Algorithm, ISOA) y Redes Neuronales Convolucionales (Convolutional Neural Networks, CNN). Primero, mediante la integración del algoritmo mejorado de optimización de gaviotas con las redes neuronales convolucionales, se construyó un modelo para predecir la producción máxima y los parámetros de disminución hiperbólica de los pozos de gas de esquisto. Luego, se utilizó el método de muestreo de hipercubo latino para combinar los valores predichos con un modelo seleccionado de análisis de curva de declinación, lo que permitió construir el perfil dinámico de producción para los pozos de gas de esquisto con fracturas naturales. Finalmente, a través de la simulación de la producción de pozos de gas de esquisto con fracturas naturales, se verificó la fiabilidad del método propuesto. Los resultados experimentales muestran que en diferentes escalas temporales de producción (1, 5, 10, 15, 20 años), los valores predichos de producción acumulada coinciden bien con los valores simulados, con un error inferior al 15,6%, lo que indica que el método tiene buena efectividad y fiabilidad para predecir la producción de pozos de gas de esquisto. El modelo, basado en un modelo hiperbólico, la predicción del pico de producción y los parámetros de disminución, puede predecir con precisión el perfil de producción de gas de esquisto, y los valores simulados de producción acumulada coinciden bien con los valores predichos, reduciendo el error medio del 18,13% al 16,03%. El modelo propuesto para la predicción no requiere datos históricos largos para lograr pronósticos precisos, lo que le otorga una fuerte aplicabilidad para pozos con historial limitado y para nuevos pozos. Los resultados del estudio ofrecen un sólido soporte teórico y práctico para la investigación de métodos de predicción de producción de pozos de gas de esquisto, con buenas perspectivas de aplicación.

algoritmo de gaviotas;redes neuronales convolucionales;gas de esquisto;predicción de producción;red de fracturas;modelo de caracterización cuantitativa;simulación;dinámica de producción