大数据与油气行业深度融合是大势所趋,切入点的选择是大数据技术应用的关键,煤层气作为非常规天然气的一种,具有储层非均质性强、开发机理不完全明确、产能影响因素复杂、开发数据量大等特征,传统理论和数值模拟方法在处理这种复杂问题时模型构建复杂、计算准确度低、计算耗时。本文提出利用机器学习评价储层有效动用及产能预测的方法,通过大量的连续训练来自动捕捉动态数据的变化特征,利用三维卷积神经网络(CNN)建立煤层气井有效动用半径计算的深层学习模型,结合储层静态数据、压裂改造数据、现场动态数据反演出单井有效动用半径、动态储量、地下压力特征等情况,进而预测单井、区块产能,与传统的基于物理方法建立气水两相流动数学模型的方法不同,机器学习模型构建一个不基于物理模型的稳定预测模型,以实现对单井开发效果的准确预测。