Die Öl- und Gasförderung aus Schieferöl- und Schiefergasspeichern hat rasch zugenommen die letzten zwei Jahrzehnte. Die Kombination von horizontalen Bohrlöchern und Hydraulic Fracturing war eine davon. Die Hauptgründe, warum die Schieferproduktion rentabel wurde. Mehrfach gebrochene horizontale Brunnen haben sich als fortschrittliches Mittel zur Steigerung der Bohrlochproduktivität in Reservoirs mit geringer Permeabilität herausgestellt. Die Wirtschaftlichkeit solcher Projekte hängt jedoch von mehreren Parametern ab. vor allem mit den Ölpreisschwankungen im letzten Jahrzehnt. Wählen Sie daher die Projekte aus mit dem höchsten Potenzial ist wichtig, um die Kapitalrendite zu maximieren. Um die wirtschaftlichen Risiken zu verringern, die Hydraulic Fracturing-Projekte mit sich bringen, bietet Data Science Techniken können verwendet werden, um die vielversprechendsten Projekte auszuwählen. Insbesondere maschinelles Lernen Algorithmen können verwendet werden, um die Bohrlochleistung vorherzusagen und zu optimieren. Das Ziel dieser Arbeit ist es, die Öl- und Gasproduktion mehrerer Multi-Frakturen horizontale Brunnen unter Verwendung unteschiedliche Modelle für maschinelles Lernen vorherzusagen. Diese Modelle werden mit der Leistung anderer Brunnen trainiert, die bereits im selben Gebiet gebohrt und ausgebeutet wurden. Das vielversprechendste Projekt kann daher ausgewählt werden.