伴随着我国工业化进程的推进,国家对新能源的需求日益增长,作为新型环保能源的煤层气逐渐受到国家的重视和发展。然而,煤层气的开采是一个大规模、复杂化的过程,如果系统发生故障就可能会造成人身安全和财产的损失,为了确保煤层气开采系统安全可靠的运行,不仅要求系统在故障发生时能够快速准确的诊断,而且希望在故障发生前能够进行预诊断,就能够为避免故障的发生做好充足的准备。煤层气单井采气是煤层气集输系统的基本节点,单井采气系统有故障极有可能造成整个煤层气采气系统的瘫痪,因此,本文研究的主要问题是针对煤层气单井采气系统的故障预报。本文在探讨了煤层气单井采气的基本原理以及工艺流程的基础上,深入分析了单井采气过程中的几种故障以及影响煤层气排采的关键参数。针对煤层气单井采气系统中采气参数变化比较平缓的特点,本文研究了基于支持向量机的煤层气采气参数预测模型,该方法解决了煤层气采气系统故障预报中的数据预测问题。针对支持向量机的参数对预测性能的影响,文中介绍了几种比较常用的优化方法(网格搜索法、交叉验证法、遗传算法以及粒子群(Particle Swarm Optimization, PSO)算法),在此基础上,研究了将遗传算法中的选择和交叉算子操作与传统粒子群算法相结合,建立了基于改进PSO算法的支持向量机预测模型。该模型利用最终预报误差(Final Prediction Error, FPE)准则确定嵌入维数,采用改进粒子群算法优化支持向量机建模参数,并采用均方根误差评价模型的精确度。将该模型应用于煤层气单井采气系统的采气参数预测,与网格搜索法、粒子群算法优化模型以及BP网络模型相对比,该预测模型具有更高的单步预测和多步预测精度。然后,对于一个完整的故障预报系统,除了需要预测出故障的有无之外,还应该对预测出的参数状态进行诊断。本文在研究了传统支持向量机基础上,为了消除噪声点对建模结果的影响又进一步研究了模糊支持向量机,并且利用模糊C均值聚类算法求解训练样本的模糊隶属度,建立了基于改进PSO优化的模糊支持向量机(Fuzzy Support Vector Machine,FSVM)故障诊断模型。仿真结果表明,该模型比传统支持向量机有更高的诊断准确率,验证了此模型的有效性。