張 慶，何 封，何佑偉

（1.中國石油集團(tuán)川慶鉆探工程有限公司頁巖氣勘探開發(fā)項(xiàng)目經(jīng)理部，四川成都 610051；2.西南石油大學(xué)油氣藏地質(zhì)及開發(fā)工程國家重點(diǎn)實(shí)驗(yàn)室，四川成都 610500）

中國頁巖氣技術(shù)可采量位居全球頁巖氣技術(shù)可采資源量前列，頁巖氣在中國能源體系中具有重要的地位。特別是在四川威遠(yuǎn)、長寧頁巖氣示范區(qū)塊，累產(chǎn)頁巖氣量已超100×108m3[1-2]。“碳中和、碳達(dá)峰”背景下，繼續(xù)加大頁巖氣資源的勘探開發(fā)力度對保障國家能源安全、改善能源結(jié)構(gòu)、助力“雙碳目標(biāo)”實(shí)現(xiàn)均具有十分重要的現(xiàn)實(shí)意義。

頁巖氣藏滲透率和孔隙度極低，通常采用“井工廠”模式鉆井和壓裂，形成復(fù)雜裂縫網(wǎng)絡(luò)[3]，為頁巖氣提供有效流動(dòng)通道。由于井距較小（一般為300～500 m）且部分井還會(huì)進(jìn)行重復(fù)壓裂，導(dǎo)致井間干擾較嚴(yán)重，甚至壓竄[4]，并且井間距伴隨頁巖氣開采規(guī)模的增大而不斷減小，導(dǎo)致井間干擾發(fā)生的概率及影響程度大幅增加[5]。壓竄后，井間部分裂縫連通，導(dǎo)致子井壓裂液進(jìn)入母井，母井產(chǎn)氣量降低，產(chǎn)水量上升，嚴(yán)重影響氣井產(chǎn)能發(fā)揮。井間干擾逐漸成為影響頁巖氣井產(chǎn)量的重要因素之一，開展頁巖氣井間干擾評價(jià)與預(yù)測對提高頁巖氣井產(chǎn)量十分重要。

國內(nèi)外學(xué)者采用解析方法或數(shù)值模擬手段等開展了頁巖氣井間干擾評價(jià)及主控因素研究[6-7]，提出頁巖氣井間干擾診斷的試井分析、產(chǎn)量遞減分析、灰色關(guān)聯(lián)分析和數(shù)值模擬等方法[8-12]。通過地質(zhì)工程一體化研究，提出合理井距并優(yōu)化壓裂參數(shù)[13-14]，提出防壓竄建議。HE 等[15]分析了頁巖氣藏井間壓竄干擾主控因素及干擾模式，并提出了減緩頁巖氣井間壓竄干擾的方法。位云生等[16]以長寧區(qū)塊為例，建立了4 種不同的井網(wǎng)井距設(shè)計(jì)方法并論證了井網(wǎng)井距優(yōu)化流程。李維等[17]提出了精細(xì)控壓作業(yè)方案，為解決頁巖氣井井間干擾復(fù)雜處理提供了方法。

對于頁巖氣井間干擾程度評價(jià)，特別是定量預(yù)測方面的研究較少[18]。頁巖氣井間干擾程度評價(jià)主要有解析及半解析方法、灰色關(guān)聯(lián)法、數(shù)值模擬法以及機(jī)器學(xué)習(xí)方法4 種研究方向。以解析及半解析方法中常用的試井分析及產(chǎn)量遞減分析方法為例，因其使用簡單而被現(xiàn)場廣泛使用；但是解析及半解析方法的假設(shè)條件與實(shí)際頁巖氣井差距較大，難以準(zhǔn)確預(yù)測頁巖氣井井間干擾程度?；疑P(guān)聯(lián)法所建立的灰色關(guān)聯(lián)模型只能定性分析與井間干擾程度相關(guān)性大的因素，不能定量評價(jià)井間干擾程度，難以滿足實(shí)際現(xiàn)場對頁巖氣井井間干擾程度量化評價(jià)的需求?？紤]復(fù)雜裂縫以及多相流動(dòng)的數(shù)值模擬方法建模復(fù)雜且計(jì)算量大，模型歷史擬合困難，且應(yīng)用局限性大，所使用建立模型的過程及最終建立的模型都只能應(yīng)用到所使用的目標(biāo)油氣藏中，不利于推廣。使用機(jī)器學(xué)習(xí)方法建立頁巖氣井井間干擾程度評價(jià)及預(yù)測模型時(shí)，不僅可以充分挖掘頁巖氣藏地質(zhì)、鉆井、壓裂、生產(chǎn)動(dòng)態(tài)數(shù)據(jù)，考慮更全面的因素以增加模型精確度，而且通過學(xué)習(xí)頁巖氣井實(shí)際數(shù)據(jù)進(jìn)行評價(jià)與預(yù)測時(shí)，評價(jià)結(jié)果更符合頁巖氣井實(shí)際情況。同時(shí)建模工作量較小，計(jì)算效率高，使用的建模流程可以擴(kuò)展于其他頁巖氣藏井間壓竄評價(jià)及預(yù)測中，易于推廣應(yīng)用。最終建立的模型不僅可以對頁巖氣井井間干擾做定性分析，還可以進(jìn)行定量計(jì)算。當(dāng)后續(xù)新數(shù)據(jù)隨著生產(chǎn)的進(jìn)行產(chǎn)生時(shí)，可加入模型以提升模型的后期表現(xiàn)。

機(jī)器學(xué)習(xí)是一個(gè)交叉學(xué)科，憑借數(shù)據(jù)挖掘程度高、計(jì)算精度高、應(yīng)用簡單等特點(diǎn)廣泛應(yīng)用于石油與天然氣領(lǐng)域。嚴(yán)子銘等[19]應(yīng)用不同機(jī)器學(xué)習(xí)方法預(yù)測頁巖氣采收率，對比不同的機(jī)器學(xué)習(xí)方法優(yōu)缺點(diǎn)以及相關(guān)參數(shù)的重要性；錢辰等[20]提出了一種基于機(jī)器學(xué)習(xí)的頁巖氣“甜點(diǎn)”評價(jià)方法；李菊花等[21]使用隨機(jī)森林算法提出了頁巖氣壓裂水平井井產(chǎn)量預(yù)測模型，分析了影響多段壓裂井產(chǎn)量的主要因素；孫藝涵[22]使用機(jī)器學(xué)習(xí)方法建立了頁巖有機(jī)質(zhì)含量預(yù)測模型。但在基于機(jī)器學(xué)習(xí)的頁巖氣井井間干擾評價(jià)及預(yù)測方面的研究鮮有報(bào)道。使用機(jī)器學(xué)習(xí)方法進(jìn)行建模時(shí)，都有以下缺點(diǎn)：機(jī)器學(xué)習(xí)是一種數(shù)據(jù)驅(qū)動(dòng)方法，使用的數(shù)據(jù)決定最終建模效果；但在大多數(shù)的研究中考慮因素不全面，數(shù)據(jù)并不完整，且數(shù)據(jù)處理結(jié)果較差，影響最終預(yù)測結(jié)果。

針對井間干擾評價(jià)難，預(yù)測精度差的問題，使用機(jī)器學(xué)習(xí)方法進(jìn)行頁巖氣井間干擾程度評價(jià)及預(yù)測。首先建立較為完整的影響因素體系（包含地質(zhì)、鉆井、壓裂、生產(chǎn)等15種因素），對現(xiàn)場傳回的數(shù)據(jù)進(jìn)行缺失值處理，并使用馬氏距離法以及箱型法對缺失值處理后的數(shù)據(jù)進(jìn)行異常值檢驗(yàn)；然后使用PCA算法對數(shù)據(jù)進(jìn)行降維處理，獲得質(zhì)量更好的數(shù)據(jù)集增快建模效率；最終使用聚類算法及隨機(jī)森林方法建立可用于實(shí)際頁巖氣井井間干擾評價(jià)的頁巖氣井間干擾程度評價(jià)及預(yù)測模型，并使用學(xué)習(xí)曲線以及交叉驗(yàn)證方法進(jìn)行調(diào)參，以獲得最優(yōu)的頁巖氣井井間干擾評價(jià)及預(yù)測模型。該模型精度較高，可以應(yīng)用到實(shí)際頁巖氣井井間干擾評價(jià)與預(yù)測中，對頁巖氣藏高效開發(fā)具有重要的意義。

1 現(xiàn)場數(shù)據(jù)處理

使用A 頁巖氣藏現(xiàn)場數(shù)據(jù)針對A 頁巖氣井井間干擾程度進(jìn)行建模。通過與現(xiàn)場結(jié)合并調(diào)研相關(guān)文獻(xiàn)[15,23-24]，綜合考慮地質(zhì)因素、鉆井因素、壓裂因素以及生產(chǎn)因素，建立了一個(gè)包含15 個(gè)指標(biāo)較為完整的頁巖氣井井間干擾影響因素體系（滲透率、孔隙度、總含氣量、最小水平主應(yīng)力、脆性礦物、黏土礦物、水平段長、壓裂段數(shù)、壓裂簇?cái)?shù)、改造體積、壓裂段長、入地液量、入地砂量、平均累產(chǎn)氣量以及井間干擾影響程度）。根據(jù)所建影響因素體系，篩選出可用的現(xiàn)場數(shù)據(jù)進(jìn)行下一步數(shù)據(jù)處理。由于數(shù)據(jù)中的缺失值較多，數(shù)據(jù)的質(zhì)量較低，故首先需要對數(shù)據(jù)進(jìn)行處理，提高數(shù)據(jù)質(zhì)量對保證模型預(yù)測精度具有直接影響。

1.1 缺失值處理

在數(shù)據(jù)處理過程中，缺失值處理是十分重要的。本次使用數(shù)據(jù)集的數(shù)據(jù)缺失值較多，使用簡單的平均值插補(bǔ)或者中位數(shù)插補(bǔ)都會(huì)導(dǎo)致插補(bǔ)后的數(shù)據(jù)集噪聲更多。如果只是簡單地對缺失數(shù)據(jù)的井組進(jìn)行刪除，最終得到的數(shù)據(jù)將難以描述整體參數(shù)的變化趨勢。多重插補(bǔ)法：基于除缺失值外的變量建立線性模型，以此預(yù)測要填補(bǔ)的數(shù)據(jù)。盡管數(shù)據(jù)間的線性關(guān)系較小，但是多重插補(bǔ)法的插補(bǔ)結(jié)果要比簡單的平均值插補(bǔ)或者中位數(shù)插補(bǔ)精確。

表1為部分井多重插補(bǔ)結(jié)果，插補(bǔ)數(shù)據(jù)并無明顯異常值，但是不能確定異常值不存在，要進(jìn)一步對數(shù)據(jù)進(jìn)行異常值檢驗(yàn)。

表1 A頁巖氣藏部分井多重插補(bǔ)結(jié)果Table 1 Multiple interpolation results of some wells in A reservoir

1.2 異常值檢驗(yàn)

經(jīng)過缺失值處理的數(shù)據(jù)并未顯示出明顯的異常值，但是不能確定無異常值，需要對插補(bǔ)后的數(shù)據(jù)進(jìn)行異常值檢驗(yàn)。

誤差超過數(shù)量級的異常值，十分明顯的可直接刪除。一些誤差并不是十分明顯的異常值無法由人工判別，但是不能任由這些疑似異常值的數(shù)據(jù)存在。當(dāng)使用馬氏距離法檢驗(yàn)異常值時(shí)，馬氏距離法將各個(gè)指標(biāo)的相關(guān)性考慮到異常值檢測中（在檢測異常值時(shí)考慮了各個(gè)指標(biāo)間的聯(lián)系），如果有某一指標(biāo)并無其他指標(biāo)與其有相關(guān)關(guān)系，則使用箱型法來進(jìn)行異常值檢驗(yàn)。這種使用箱型法與馬氏距離法結(jié)合檢測異常值的手段顯然更加準(zhǔn)確。

先判斷上述15 個(gè)指標(biāo)的相關(guān)性，其中除最小水平主應(yīng)力以外的14 個(gè)指標(biāo)都有其他指標(biāo)與之相關(guān)。使用箱型法檢測最小水平主應(yīng)力的異常值，使用馬氏距離法檢測其余14個(gè)指標(biāo)的異常值。

經(jīng)檢測發(fā)現(xiàn)使用馬氏距離法檢測的指標(biāo)中并無異常值存在，而使用箱型法檢測的最小水平主應(yīng)力含有一個(gè)異常值，表明多重插補(bǔ)法處理的數(shù)據(jù)可靠性較高。

1.3 主成分分析

目前的各種頁巖氣井井間干擾研究所選用的研究因素都注重與頁巖氣井井間干擾影響程度之間有相關(guān)關(guān)系，從而得到定性的影響關(guān)系模型。這種研究方式固然正確，但是當(dāng)使用過于繁多的影響因素進(jìn)行研究時(shí)，會(huì)產(chǎn)生多余的工作量，甚至根據(jù)這種研究方法得到的數(shù)據(jù)集所建立的模型結(jié)果也會(huì)出現(xiàn)一定的偏差。使用統(tǒng)計(jì)分析手段研究頁巖氣井井間干擾這種多變量問題的工作量大、復(fù)雜度高且難度大，需要找到一個(gè)變量個(gè)數(shù)較少但是可以保留信息較多的方式。

主成分分析主要用于減少數(shù)據(jù)維度，建立盡可能少的新變量，這些由主成分分析所建立的新變量可保留絕大部分原數(shù)據(jù)集信息，并且這些新變量之間是互不相關(guān)的，可大幅減少后續(xù)所建立的頁巖氣產(chǎn)量評價(jià)模型的復(fù)雜性及計(jì)算時(shí)間。將這些由主成分分析得出的各個(gè)新變量稱為影響因子。

基于Python 語言，選擇除井間干擾比例外的其余全部參數(shù)進(jìn)行主成分分析。分析結(jié)果顯示：前8組影響因子占全部數(shù)據(jù)信息（方差）的90%以上（圖1），使用前8 組影響因子作為頁巖氣井井間干擾評價(jià)模型特征，表2為影響因子與備選因素對應(yīng)系數(shù)矩陣。

圖1 影響因子方差貢獻(xiàn)度Fig.1 Contribution graph of impact factor variance

表2 影響因子與備選因素對應(yīng)系數(shù)矩陣Table 2 Corresponding coefficient matrix of impact factors and candidate factors

2 井間干擾程度評價(jià)及預(yù)測方法

基于Python 語言，使用處理完的數(shù)據(jù)建立井間干擾程度劃分模型，并建立井間干擾程度預(yù)測模型。

2.1 井間干擾程度評價(jià)模型

現(xiàn)場給出的井間干擾程度，以及各種其他可能影響井間干擾程度的因素通常為一系列的連續(xù)值，對這些連續(xù)值劃分等級，從而定性地判斷所用區(qū)塊中某一口井的井間干擾程度的等級是十分重要的。劃分等級需要將一系列連續(xù)值劃分到各個(gè)等級的簇中。聚類算法可以實(shí)現(xiàn)上述工作中分簇的部分，并給出不同簇中所用指標(biāo)的聚類中心，但是不能劃分等級。所以得到不同簇中各種指標(biāo)的聚類中心后，還需找到評價(jià)所分簇的等級指標(biāo)。這樣可以建立一個(gè)完整的頁巖氣井井間干擾程度評價(jià)模型。如果井間干擾程度單獨(dú)進(jìn)行分簇，盡管可以得到預(yù)期要求，但是所建立的評價(jià)模型太過于簡單，而且不能根據(jù)所建頁巖氣井井間干擾評價(jià)模型得到更具有意義的結(jié)果，所以要選擇不同的可能影響井間干擾程度的因素，與井間干擾程度一同作為特征放入聚類模型中進(jìn)行分簇。

聚類算法包括：K-Means 聚類算法、均值偏移聚類算法、DBSCAN 聚類算法、使用高斯混合模型（GMM）的期望最大化（EM）聚類以及層次聚類算法。由于所做的只是計(jì)算點(diǎn)和群中心之間的距離，其優(yōu)勢在于速度非?？?、實(shí)現(xiàn)起來比較簡單、聚類效果較好，因此應(yīng)用很廣泛。

K-Means聚類原理[25]：①隨機(jī)選擇所需聚類簇?cái)?shù)個(gè)數(shù)，作為聚類簇各自的中心；②通過計(jì)算數(shù)據(jù)點(diǎn)和每個(gè)簇質(zhì)心之間的距離進(jìn)行分類，將這個(gè)數(shù)據(jù)點(diǎn)分類為計(jì)算距離最小的簇中；③計(jì)算得到的各個(gè)簇的中心，如果在該數(shù)據(jù)點(diǎn)分類前后的中心相同，則聚類中心不變，如果不同則將分類后的聚類中心作為下一次數(shù)據(jù)點(diǎn)分類前的數(shù)據(jù)中心；④不斷重復(fù)②、③步，直到所有的數(shù)據(jù)都完成分類與聚類，輸出最終聚類中心。

圖2 為使用K-Means 算法建立頁巖氣井間干擾程度評價(jià)模型流程。

圖2 頁巖氣井間干擾評價(jià)流程Fig.2 Flow chart of interference evaluation between shale gas wells

2.2 井間干擾程度回歸模型

頁巖氣井間干擾對頁巖氣產(chǎn)量及井距確定影響較大，如何量化評價(jià)和預(yù)測井間干擾程度十分重要。因此，基于Python 語言，建立頁巖氣井間干擾影響程度回歸預(yù)測模型。機(jī)器學(xué)習(xí)回歸模型包括很多類型，例如：線性回歸、多重線性回歸、決策樹、隨機(jī)森林、支持向量機(jī)、XGBoost 以及神經(jīng)網(wǎng)絡(luò)等。在各種回歸模型中，隨機(jī)森林因其較高的準(zhǔn)確性以及較低的復(fù)雜性而受到廣泛應(yīng)用。

隨機(jī)森林是一種集成模型[26]，其基礎(chǔ)評估器是決策樹，決策樹分為分類樹以及回歸樹。決策樹的回歸以及分類能力較低，預(yù)測結(jié)果較差，因此，加利福尼亞數(shù)學(xué)教授BREIMAN 完善并推廣了隨機(jī)森林模型。

隨機(jī)森林原理（圖3）：①一個(gè)樣本容量為N的樣本，有放回地抽取N次，每次抽取1 個(gè)，最終形成了N個(gè)樣本。選出的N個(gè)樣本用來訓(xùn)練一個(gè)決策樹，作為決策樹根節(jié)點(diǎn)處的樣本；②當(dāng)每個(gè)樣本有K個(gè)特征，在決策樹的每個(gè)節(jié)點(diǎn)需要分裂時(shí)，隨機(jī)從這K個(gè)特征中選取出k個(gè)特征，滿足條件k＜K。然后從這k個(gè)特征中采用某種策略（如信息增益）來選擇1 個(gè)屬性作為該節(jié)點(diǎn)的分裂屬性；③決策樹形成過程中每個(gè)節(jié)點(diǎn)都要按照步驟②來分裂，一直到不能夠再分裂為止；④按照步驟①—③建立大量的決策樹，每棵決策樹都產(chǎn)生一個(gè)結(jié)果；⑤隨機(jī)森林最終決策是由每棵決策樹結(jié)果投票產(chǎn)生。

圖3 隨機(jī)森林原理Fig.3 Principle of random forest method

圖4 為使用隨機(jī)森林算法建立頁巖氣井間干擾程度回歸模型流程。

圖4 頁巖氣井間干擾程度回歸模型流程Fig.4 Flow chart of the regression model for interference degree between shale gas wells

3 井間干擾程度評價(jià)及預(yù)測方法應(yīng)用

3.1 井間干擾程度評價(jià)

K-Means 算法建立井間干擾程度評價(jià)模型，使用數(shù)據(jù)處理生成的影響因子，并以井間干擾程度作為標(biāo)準(zhǔn)將井間干擾程度評價(jià)等級劃分為高、中、低3個(gè)等級，其中高等級的井?dāng)?shù)占37.04 %，中等級的井?dāng)?shù)占37.03%，低等級的井?dāng)?shù)占25.93%。表3為頁巖氣井井間干擾影響因子聚類中心（標(biāo)準(zhǔn)化）。

表3 頁巖氣井井間干擾程度影響因子聚類中心（標(biāo)準(zhǔn)化）Table 3 Influencing factor clustering center（standardization）of shale gas well interference

圖5 為頁巖氣井井間干擾程度影響因子聚類中心，可見等級高與等級低聚類中心差的絕對值最大的影響因子為Y1與Y3，由表2 可知，占影響因子Y1信息最多的為壓裂級數(shù)與壓裂段數(shù)，占影響因子Y3信息最多的為水平段長與壓裂級數(shù)，即影響頁巖氣井井間干擾程度最大的為壓裂因素與鉆井因素。建議今后設(shè)計(jì)該區(qū)塊的頁巖氣開采方案時(shí)，應(yīng)注重對壓裂因素以及鉆井因素方案設(shè)計(jì)的優(yōu)化，以避免較大的井間干擾現(xiàn)象發(fā)生。

圖5 頁巖氣井井間干擾程度影響因子聚類中心Fig.5 Cluster center diagram of influencing factors of well interference degree of shale gas

3.2 井間干擾程度預(yù)測

使用處理過后的數(shù)據(jù)（井間干擾影響程度為標(biāo)簽，其余8 個(gè)影響因子作為特征）建立頁巖氣井井間干擾影響程度隨機(jī)森林回歸預(yù)測模型。調(diào)參在建立模型流程中占極為重要的地位。調(diào)參前先使用基礎(chǔ)參數(shù)進(jìn)行建模，得出基礎(chǔ)模型預(yù)測精度：MSE（均方誤差）=0.105，MAE（平均絕對誤差）=0.259。隨機(jī)抽取4口井運(yùn)用基礎(chǔ)模型進(jìn)行預(yù)測，其精度為75.97%，用于之后調(diào)參結(jié)果衡量的基準(zhǔn)。使用學(xué)習(xí)曲線對建模效果影響顯著的參數(shù)（隨機(jī)模式、樹模型數(shù)量、中間節(jié)點(diǎn)分枝所需的最小樣本數(shù)、分枝時(shí)考慮的最大特征數(shù)）進(jìn)行調(diào)參，不同參數(shù)與均方誤差關(guān)系（圖6）中學(xué)習(xí)曲線的順序便是調(diào)參順序。

圖6 不同參數(shù)與均方誤差關(guān)系Fig.6 Learning curves of different parameters

在調(diào)參過程中模型的精確度逐漸提高，即MSE不斷減小，最終的調(diào)參結(jié)果見表4。

表4 隨機(jī)森林方法調(diào)參結(jié)果Table 4 Optimized results using Random forest method

優(yōu)化后的隨機(jī)森林預(yù)測精度為：MSE=0.093，MAE=0.240。隨機(jī)抽取4 口井運(yùn)用優(yōu)化后的頁巖氣井井間干擾影響程度隨機(jī)森林回歸模型進(jìn)行預(yù)測，預(yù)測結(jié)果如圖7所示，其精度達(dá)到92.07%，較調(diào)參前模型準(zhǔn)確度提升16.1%。優(yōu)化后的頁巖氣井井間干擾影響程度隨機(jī)森林回歸模型可用于實(shí)際頁巖氣井井間干擾程度預(yù)測。

圖7 模型預(yù)測結(jié)果Fig.7 Prediction results based on developed model

使用K-Means 算法建立的頁巖氣井井間干擾評價(jià)模型，可對實(shí)際頁巖氣藏井間干擾進(jìn)行定性分級評價(jià)。進(jìn)一步采用隨機(jī)森林方法建立頁巖氣井井間干擾預(yù)測模型。模型預(yù)測準(zhǔn)確率達(dá)到92.07%，可用于實(shí)際頁巖氣井井間干擾程度定量預(yù)測，解決了現(xiàn)有方法假設(shè)條件與實(shí)際不符、模型考慮因素不全面的問題，為頁巖氣井定性分類評價(jià)與井間干擾程度定量預(yù)測提供了一種方法。

4 結(jié)論及建議

1）提出了一種基于機(jī)器學(xué)習(xí)的頁巖氣井井間干擾程度評價(jià)及預(yù)測方法。將頁巖氣藏地質(zhì)、鉆井、壓裂及生產(chǎn)數(shù)據(jù)進(jìn)行處理后，使用聚類算法劃分頁巖氣井井間干擾程度評價(jià)等級，采用隨機(jī)森林方法建立頁巖氣井井間干擾影響程度預(yù)測回歸模型來預(yù)測頁巖氣井井間干擾程度。

2）建立了完整的數(shù)據(jù)處理方法，使用多重插補(bǔ)法處理缺失值，應(yīng)用馬氏距離法以及箱型法檢測異常值，使用PCA算法對特征降維，提高了數(shù)據(jù)質(zhì)量。

3）使用聚類算法建立A 頁巖氣藏井間干擾影響程度評價(jià)模型，將井間干擾程度劃分低、中、高3類，其井?dāng)?shù)占比分別為：25.93 %、37.03 %、37.04 %。評價(jià)結(jié)果顯示壓裂因素對該頁巖氣藏井間干擾程度影響最大，因此，通過優(yōu)化壓裂設(shè)計(jì)方案能夠降低頁巖氣井井間干擾程度。使用此評價(jià)模型能夠?qū)?shí)際頁巖氣井井間干擾進(jìn)行定性分級評價(jià)。

4）應(yīng)用隨機(jī)森林方法對A 頁巖氣藏建立頁巖氣井井間干擾程度預(yù)測模型，并使用調(diào)參后的模型進(jìn)行井間干擾程度預(yù)測。抽取4 口井進(jìn)行井間干擾程度預(yù)測，符合率為92.07%，預(yù)測精度較高，表明該模型能夠用于實(shí)際頁巖氣井井間干擾程度定量預(yù)測，為頁巖氣井定性分類評價(jià)與井間干擾程度定量預(yù)測提供了一種可靠的方法。