深部煤储层含气量的精准预测对煤层气的高效开发具有重要工程价值,然而单一的地球物理参数往往忽略了煤储层内部结构与非均质性对含气量的控制,导致预测结果与实测值存在偏差,难以满足深部煤层气高效开发的精度需求。本文在深度挖掘地球物理信息的基础上,引入煤储层内在机理参数——灰分作为地质特征补充,弥补了地球物理信息的不足,从而构建多模态特征体系对含气量进行预测。以鄂尔多斯盆地东缘M区块石炭系本溪组8号煤储层作为研究对象,采用麻雀搜索算法优化的卷积神经网络(SSA-CNN)自动提取数据的空间特征,构建高精度的含气量预测模型。结果表明:1)通过斯皮尔曼非线性相关性分析,筛选出6种对含气量影响较大的因素,并将其确定为预测模型的输入;2)基于麻雀搜索算法优化的卷积神经网络模型在测试集上预测精度达R²=0.817,平均绝对误差较传统CNN模型降低1.067%。经实际研究分析,SSA-CNN模型可有效应用于煤储层含气量的高精度预测,对类似地质背景区域的含气量预测具有推广价值。