随着我国页岩油资源的大规模开发,准确预测油井产量对开发效果评估及参数优化至关重要。当前产量预测方法主要包括数值模拟、经验产量递减分析和解析/半解析法,但这些方法存在计算量大、预测精度不足等问题。为此,本研究提出了一种基于鲸鱼优化算法(WOA)优化的CNN-LSTM-ATT混合预测模型。该模型结合了卷积神经网络(CNN)对数据空间相关性的提取能力、注意力机制(ATT)对内部依赖关系的捕捉能力,以及长短期记忆(LSTM)神经网络的时序处理优势。实验结果表明,相较于单一LSTM模型和CNN-LSTM模型,该模型在综合考虑静态参数和输入压力类型(油管压力与套管压力)的情况下,展现出更优异的预测性能。特别是在短期预测(150 d)中,其MAPE、RMSE和MAE分别达到1.79%,0.39和0.16,为页岩油井的生产动态评价提供了可靠的技术支持。