【研究目的】含气量是评估页岩气勘探开发潜力的重要参数,精准预测含气量可为页岩气勘探部署提供指导。【研究方法】本次研究以四川盆地筇竹寺组页岩为例,基于实测含气性数据与测井数据,提出了一种结合K均值聚类算法(Kmeans)和轻量级梯度提升机算法(LightGBM)的页岩储层含气性预测的模型,并将该模型预测结果与极限梯度提升(XGboost)和LightGBM算法结果进行了对比。【研究结果】结果显示:XGboost算法预测结果的误差率(Err)为9.76%,均方根误差(RMSE)为0.734,拟合优度(R²)为0.8714。LightGBM算法预测结果的Err为9.48%,RMSE 为0.6478,R² 为0.9427。Kmeans—LightGBM算法预测结果的Err为7.96%,RMSE 为0.5805,R² 为0.96。【结论】这表明通过Kmeans聚类特征增强的LightGBM预测模型能有效提升深层页岩储层含气性预测精度。基于Kmeans—LightGBM算法,筇竹寺组页岩含气量分布在0.21~13.27 m³/t,在垂向上,筇一段2亚段平均含气量最高,筇二段平均含气量最低。