1.一种复杂煤体结构水平井裂缝参数匹配关系优化设计方法，其特征在于，包括以下步骤：步骤一：通过Petrel-Re数值模拟器建立复杂煤体结构煤层精细数值模拟模型；步骤二：通过数值模拟方法筛选煤层气压裂水平井开发效果主控因素；步骤三：构建数值模拟样本自生成模型；步骤四：建立基于XGBoost算法的煤层气产能预测代理模型；所述步骤一的具体过程如下：利用Petrel-Re油藏数值模拟软件，建立基本模型的网格系统；其中，流体模型采用黑油模型，考虑Lagmuir温吸附及Fick扩散；概念模型的网格数为150×51×51，X、Y方向的网格步长为10m，Z方向网格步长为0.5m，模型长1500m，宽510m；总共分为8个小层，其中第二层和六层为煤层，其余为除煤层之外的岩土层；以煤岩岩心实验数据、矿场数据确定模型的输入参数，以气水两相为研究对象，选择双孔双渗模型，采用Intersect模拟器进行数值模拟运算；所述步骤二的具体过程如下：先进行煤层气压裂水平井产能影响因素分析：包括基质孔隙度、含气饱和度、人工裂缝导流能力、人工裂缝半长、缝高、裂缝间距、水平段长度；再进主控因素的数据范围设计：通过参数敏感性分析，识别出四个关键影响因素，包括人造裂缝的半长、裂缝间的距离、裂缝的导流能力及其高度；全因素试验设计法涉及所有因素在所有水平上的组合，至少进行一次试验，以估计每个因素的主效应及其交互作用；所述步骤三的具体过程如下：进行数值模拟文件自动生成：基于步骤二筛选的主控因素数据范围，随机组合生成模拟方案，利用intersect模拟器的ixf文件，通过Python定义函数来拼装关键字，实现裂缝长度、裂缝高度、裂缝导流能力及裂缝间距的自动填写，并用AFI文件对设计方案进行文件组装；之后进行数值模拟器运算自动批量调用及结果提取：基于Python调用计算机内的Intersect环境，对自动生成的AFI文件进行批量处理，并将所需的数值模拟结果文件提取保存到新文件夹中用于后期模拟器结果的提取及组合整理；基于数值模拟结果文件，通过标记每个数值模拟结果文件的第一个时间节点的煤层气地质储量和最后一个时间节点的煤层气地质储量，定义循环函数，将不同方案的累积产气量，自动提取并格式化保存到CSV文件内，实现模拟器结果提取及保存的全程自动化；所述步骤四的具体过程包括：预测样本集划分、预测模型建立与模型预测效果评估。
2.根据权利要求1所述的一种复杂煤体结构水平井裂缝参数匹配关系优化设计方法，其特征在于：所述预测样本集划分的过程如下：将数值模拟样本自生成模型得到的预测样本集依据80％、20％的相关比例划分为训练集与验证集；训练集主用于训练预测模型；验证集主要用于调整超参数，包括决策树个数、学习率、树的最大深度；每个集合中均包含模型的输入、输出数据，其中输入数据包括裂缝高度、裂缝长度、裂缝导流能力及裂缝间距，输出数据包括煤层气的累积产气量。
3.根据权利要求1所述的一种复杂煤体结构水平井裂缝参数匹配关系优化设计方法，其特征在于：所述预测模型建立的过程如下：使用XGBoost算法进行建模，XGBoost算法的实现过程如下：(1)令 i表示训练集(X,y)中的第i个样本(2)满足1≤t≤N k ；①构建代价函数：其中，g i 和h i 分别表示损失函数l在样本i处的一阶导数和二阶导数；y是样本的真实标签值； 表示XGBoost预测模型，x i 是决策树模型的输入特征参数；r i 表示残差，N k 是决策树模型的个数；T表示树模型的叶子数，γ，λ表示正则化系数，ω j 表示叶子节点值；②利用数据集(X,r),训练得到最大深度为d的树模型 ③更新XGBoost模型的预测值④更新残差项r(3)得到最终的预测模型其中，ε表示压缩因子或学习率。
4.根据权利要求3所述的一种复杂煤体结构水平井裂缝参数匹配关系优化设计方法，其特征在于：XGBoost建立模型的流程为包括以下步骤：第一步，通过不断添加树的方式，进行特征分类，并将每个新生成的树学习新函数f(x)来逐步生长出一棵完整树；第二步，当训练完k棵树后，需要进行样本分数预测，根据该样本的特征将其分类到每棵树的叶子节点上，并从中获取对应的分数；第三步，只需要将每棵树计算得出的分数进行求和就是该样本对应的最终预测值。
5.根据权利要求1所述的一种复杂煤体结构水平井裂缝参数匹配关系优化设计方法，其特征在于，模型预测效果评估的具体过程如下：通过使用决定系数R 2 、均方误差MSE对产能预测模型的预测效果进行评价分析；式中，y i 和 分别为实际值与预测值，为实际值的平均值，N为验证集中实际值的尺寸，当R 2 越大，MSE越小时，说明该模型的预测值与实际值之间的误差越小，模型的表现也越好。
