摘要: 基于现代人工智能理论和数理统计理论,建立了煤层气井动态产能拟合和预测的时间序列BP神经网络模型和月产/累产比值模型,并通过实例分别验证其在煤层气井产能拟合和预测中的有效性。应用实例表明,这两类模型均能很好地拟合煤层气井的生产历史,并能进行准确定量预测,但各有差别。其中神经网络模型对数据点具有极高的拟合程度,且短期预测精度高,但中长期预测精度较差,因此,该模型适合对产气不稳定的气井进行短期产能预测;月产/累产比值模型对月产/累产比值的整体变化趋势具有较高的拟合程度,且中长期预测精度高,但模型的有效性取决于气井产能的稳定性,因此,该模型适用于预测产气稳定的气井产能。