页岩气赋存方式多样、渗流机理复杂,气井生产制度多变,准确预测页岩气井产量难度大。针对这一问题,文章基于数据驱动的思想,对历史生产数据进行了预处理,建立了由产量、油嘴尺寸、生产时间和关井时间组成的多维时间序列,结合卷积神经网络(CNN)和长短记忆神经网络(LSTM),基于混合式深度学习架构,建立了基于卷积-长短记忆神经网络的页岩气井短期产量预测模型(CNN-LSTM)。CNN-LSTM采用CNN提取高维特征之间的交互作用信息,并利用LSTM提取这些特征的时序信息,实现了交互作用信息和时序信息的融合。生产数据测试表明:CNN-LSTM考虑了生产制度的影响,因此其产量预测精度高于单变量LSTM和多变量LSTM。进一步发展了基于核密度估计理论的产量概率性预测方法,实现了产量预测结果的不确定分析,获得了未来气井产量的变化范围。研究成果有望为页岩气井生产动态分析、产量预测和生产管理提供支撑。