水力压裂是页岩储层实现经济有效开采的关键，而实现储层支撑裂缝的导流能力有效配比则是改造的根本。论文以页岩储层裂缝中支撑剂铺置特征为基础，设计支撑裂缝导流能力测试实验方案，获得不同支撑剂性质、闭合应力、铺砂浓度等条件下导流能力变化规律，进一步建立基于神经网络的预测模型获取支撑裂缝导流能力预测方法。实验发现，高铺砂浓度陶粒和石英砂均能提供较高导流能力，其随闭合压力升高而减小，石英砂减小更为明显且存在拐点。根据对导流能力影响较大的三个因素，即支撑剂粒径、铺砂浓度和闭合压力，通过调整基于遗传算法的BP神经网络模型的学习率与隐含层节点数实现对导流能力的准确预测，当网络的学习值和期望值达到精度要求，利用sim函数对训练后的网络进行网络仿真。由验证集的预测值与实验得到的导流能力实际值对比得出，该预测模型的平均误差为1.225D·cm，R2为0.993。