页岩气井产能的影响因素分析与产能预测对页岩气高效开发具有极强的现实意义。ZT页岩气区块存在现场数据数量大、种类多、存在数据缺失、处理困难等特点,传统统计方法以及定性对比分析方法很难建立起精确的分析预测模型。而基于数据建模的机器学习方法却能对复杂数据进行处理,发掘数据间关系,为页岩气产能主要影响因素分析和产能预测提供新的思路。本文基于ZT区块现场数据,结合文献调研,提取影响页岩气产能的地质、压裂、钻井三个方面的影响因素26个。采用机器学习方法对数据进行异常值诊断,对缺失数据利用利用KNN算法进行插补,并将数据进行标准化以消除量纲的影响,将26个影响因素经主成分分析提炼为14个。对处理完后的数据利用K-means聚类方法分为三类,根据测试产量聚类中心的值的大小,将三类井定义为优等井、中等井、劣等井。对每一口井进行标记后利用KNN算法训练井类别分类模型,该模型经验证准确率达92%。经分析得出,三大影响因素对ZT区块页岩气井产能影响程度按由大到小顺序排列,依次为压裂因素、地质因素、钻井因素,其中压裂因素中影响最为显著的是总支撑剂量、压裂液性质以及携砂液平均排量。在预测模型中,分别利用多元回归、支持向量机、随机森林方法建立页岩气测试产量与各主成分因子之间的关系,结果表明:基于随机森林的预测模型产能泛化性能最好预测精度最高,预测结果与实际测试产量之间的标准化后平均绝对误差值为0.05,最优超参数弱学习器数与最大叶子节点数分别为98、12。应用建立的产能主要影响因素分析模型以及产能预测模型对ZT区块4口井进行分析预测,预测结果中有1口井为劣等井,通过对比该井与优等井的特征参数的差异,发现限制该井产能的主要因素为总支撑剂量、压裂周期以及每段簇数,为该井的工程改造指明了方向。