基于现代人工智能理论和数理统计理论,建立了煤层气井动态产能拟合和预测的时间序列BP神经网络模型和月产/累产比值模型,并通过实例分别验证其在煤层气井产能拟合和预测中的有效性。应用实例表明,这两类模型均能很好地拟合煤层气井的生产历史,并能进行准确定量预测,但各有差别。其中神经网络模型对数据点具有极高的拟合程度,且短期预测精度高,但中长期预测精度较差,因此,该模型适合对产气不稳定的气井进行短期产能预测;月产/累产比值模型对月产/累产比值的整体变化趋势具有较高的拟合程度,且中长期预测精度高,但模型的有效

扩散对煤层气井生产动态具有非常重要的作用,为现场人员能够快速有效地对煤层气井生产动态进行预测,需要建立解析形式的动态模型。以拟稳态扩散和体积物质平衡方程为基础,建立气体扩散量与含水饱和度的关系,结合拟稳态产能方程,得到考虑煤层气体拟稳态扩散的动态预测模型。模型对煤层气井生产中后期具有较好的拟合度,通过计算,认为扩散作用在整个开发过程中对煤层气产量均有影响。扩散作用能提高煤层气峰值产量,特别是对煤层气后期产量有很重要的稳定作用。扩散系数越大,煤层气峰值越高,后期产气量越高,且稳产时间更长;扩散对累