页岩气储集层致密性强,非均质性显著,自然产量极低,必须采用水力压裂技术进行增产改造才能获得工业气流,而评估压裂作业成效及优化工艺参数的关键在于获取准确的压裂缝网参数。传统裂缝监测技术(如微地震监测)费用高昂,无法实现井区全覆盖监测,而数值模拟预测模型需要大量的工程地质参数,导致地质资料不完整或缺失井段预测效果不佳,亟须一种经济高效地获取缝网参数的新方法。为此,提出一种基于深度学习的页岩气藏压裂缝网反演方法,其核心是以现场施工压裂曲线数据为基础,对压裂曲线特征参数进行量化分析,以缝网参数的强相关性指标作为输入,以微地震监测缝网参数(包括缝网长度、宽度、高度、体积)作为目标输出,建立BP(误差反向传播)神经网络反演模型,实现压裂缝网参数精确反演。根据渝西地区页岩气井现场450段压裂曲线,对模型进行了训练和参数优化,测试集缝网参数反演结果平均相对误差低于15%,验证了这种新方法对页岩气藏压裂缝网反演的可行性。