摘要：油气藏改造过程中的压裂泵注具有工艺复杂多变、过程不可逆、高风险等特点，需要及时准确地进行决策调控，进而提升压裂改造效果。目前决策方式主要以压裂设计泵注程序为基础，人为调控泵注参数。随着人工智能技术的发展，构建压裂泵注智能决策系统、实现自主决策已成为可能。为此，在综述国内外压裂泵注决策研究现状的基础上，提出了基于强化学习理论的压裂泵注智能决策设计理念，并探讨了实现路径。研究结果表明：(1)压裂泵注智能决策系统的核心是泵注决策智能体，由其自主决策泵注程序和优化参数，同时将决策动作传递给地面装备，构成闭环调控，实现泵注过程“自动驾驶”；(2)基于强化学习理论的压裂泵注智能决策设计理念，即以强化学习为核心，以压裂大数据为基础，以机理模型认识和专家先验知识为约束，构建压裂仿真环境，训练泵注决策智能体，可以实现泵注参数实时优化决策与地面装备闭环调控；(3)压裂泵注智能决策系统主要通过压裂工况自主判识、裂缝扩展动态感知与风险预警、压裂泵注参数优化决策、地面装备自主调控、压裂泵注数字孪生等技术实现系统功能。结论认为，基于强化学习理论的压裂泵注智能决策设计理念，有望为加快压裂泵注智能化进程提供有益参考，有助于油气的高效开发。

摘要：针对油气压裂增产技术发展需求,阐述了人工智能在油气压裂增产中的研究现状,分析了压裂人工智能发展所面临的关键理论问题,展望了压裂人工智能研究的主攻方向和应用场景设计。国内外现阶段在压裂设计优化、压裂工况诊断与风险预警、压裂返排优化控制等方面已取得一定研究进展,总体处于从学术型研究向工业级应用的过渡阶段,面临小样本少标签数据问题、数据驱动与机理模型深度融合问题、模型可解释性差等关键理论问题。文章围绕所存在的问题,展望未来压裂人工智能研究的主攻方向包括数据治理与特征工程、小样本学习场景下的压裂数据深度挖掘、基于知识嵌入和知识发现的可解释性压裂智能算法、基于强化学习的压裂参数动态优化与风险预警调控方法等。基于上述研究,建议构建压裂设计智能优化、压裂施工闭环调控、压裂返排智能控制等三类应用场景,最终实现高质量均衡造缝和安全压裂目标。