针对准噶尔盆地吉木萨尔凹陷页岩油压裂效果预测精度差、参数优化困难等问题,研发页岩油储层压裂参数智能优化技术,并开展现场应用。建立能够自动抓取、存储、调用和分析的自治理数据库,筛选并分析22个地质、工程变量间的相关关系。提出分离式压裂效果预测模型,将压裂学习曲线分解为整体趋势和局部波动两部分:结合卷积神经网络局部连接、参数共享的特点与门控循环单元能够解决梯度消失的优势,构建卷积神经网络-门控循环单元算法,实现整体趋势的预测;利用自适应增强算法集成策略动态调整随机森林权重,实现局部波动的预测。设计策略梯度-遗传-粒子群算法,该算法在迭代过程中能够自适应调整惯性权重和学习因子,显著提升寻优策略的优化能力。将压裂效果预测与寻优策略相结合,实现了压裂参数的智能优化。经现场试验验证,该方法对油井压裂效果提升显著,具有较好的实用性。