气田开发进入后期,积液气井的数量逐渐增加,积液对产气量的影响也越来越大,如何准确预测采气期的积液状态对缓解气井井筒积液、提高气藏采收率有着更加重要的意义。许多国内外学者已展开了气井井筒积液的预测研究,并提出了大量的预测模型,但是计算结果差异较大。在实际应用中,模型的选择及应用没有定性标准,这样给生产带来不便。因此,在前人的基础上提出了利用RBF神经网络预测气井井筒积液的一种新型模型,主要围绕以下几方面进行研究：首先,文章调研了气井携液模型(分为直井和斜井),分别总结了适用于不同条件下的直井和斜井气井携液模型,对已有的预测模型进行对比分析,结合实例得出影响气井井筒积液的主要因素；其次,在分析影响气井井筒积液因素和气井井筒积液模型的基础上,建立采用RBF神经网络预测气井井筒积液模型,并与标准BP神经网络预测结果及改进BP神经网络预测结果进行对比,发现该模型具有预测速度快、精度高、使用方便等特点；最后,结合生产实例,利用建立的径向基函数(RBF)神经网络预测气井井筒积液的模型分别对Y1、Y2井的气井井筒积液状态进行预测,预测结果取得了较好的效果,因此,这种模型为气井的生产及决策提供了有效的理论依据,对气田生产具有一定的指导作用。