煤体结构直接影响煤储层孔裂隙发育,其准确判识对煤层压裂及煤层气开采具有重要指导价值。以鄂尔多斯盆地榆林地区本溪组8号煤为例,其煤体结构复杂,引入机器学习方法可解决煤层气储层测井中的非线性问题。采用区内已完成预处理的取心井数据,采用BP神经网络、随机森林以及XGBoost算法进行训练和全区煤体结构反演,并结合区内煤层顶底板及煤厚,剖析构造控制下的煤体结构发育特征。结果表明:(1)随机森林以及XGBoost算法相较于BP神经网络,对目标煤层煤体结构的反演结果更接近于岩心观测的真实情况,准确度更高;(2)榆林地区8号煤从NW向SE,煤体破碎程度逐渐加剧;(3)区内由中部至东南部发育构造带,在构造带影响下煤厚减小且原生结构煤逐渐转变为糜棱结构煤。本研究可为研究区实际煤层气生产中的煤体结构识别以及构造带分析提供参考。