针对吉木萨尔页岩油地质、工程和流体参数复杂,传统动态分析方法难以明晰页岩油水平井最终可采储量(EUR)主控因素的现状,提出了一种结合主成分分析(PCA)和深度神经网络(DNN)的页岩油水平井EUR预测模型,开展了数据降维、生产预测以及主控因素分析。研究结果表明:1)相比传统DNN模型,主成分分析-深度神经网络(PCA-DNN)模型能够有效减少数据噪声,避免过拟合,更好地利用数据中的关键信息,预测精度提高了10.84%;2)页岩油单井/井组EUR的主要影响因素包括压裂簇数、储层品质、原油黏度和水平段长度,其中簇数优化范围为5~6簇/100 m,水平段长优化范围为1 000~1 500 m; 3)针对单井开发,增大改造程度是提高单井采收率的关键;针对井组开发,需要在优选试验区和提高原油可动性的基础上,优化压裂设计。该研究成果可为页岩油新井优化设计和老井提高采收率方案制定提供理论指导。