1.一种基于多模态数据融合的页岩气重复压裂潜力预测方法，其特征在于，包括：根据获取到的页岩气井数据建立数据集，所述数据集包括多维序列数据集、单值数据集，所述多维序列数据集包括测井曲线数据和压裂施工曲线数据，所述单值数据集包括地质数据、储层物性数据、初次压裂参数数据、生产动态数据和岩石力学数据；通过所述生产动态数据对井段的重复压裂潜力进行标记；进行数据清洗、标准化处理，然后将数据集划分为训练集、测试集和验证集；构建以多维序列数据集、单值数据集作为输入、重复压裂潜力作为输出的页岩气重复压裂潜力预测模型，所述页岩气重复压裂潜力预测模型包括对单值数据集进行处理的多层感知机模型，以及对多维序列数据集进行处理的基于注意力机制的门控循环单元模型；设定损失函数，采用训练集对页岩气重复压裂潜力预测模型进行迭代训练及模型优化，采用测试集和验证集分别对页岩气重复压裂潜力预测模型进行测试和验证，得到满足预设要求的页岩气重复压裂潜力预测模型；利用所述满足预设要求的页岩气重复压裂潜力预测模型对目标页岩气井的重复压裂潜力进行预测。
2.根据权利要求1所述的基于多模态数据融合的页岩气重复压裂潜力预测方法，其特征在于：所述测井曲线数据包括岩性曲线、电阻率曲线、孔隙度曲线、有机质含量曲线、渗透率、饱和度、孔隙流体、含气量；所述压裂施工曲线数据包括压力曲线、排量曲线和砂比曲线；和/或，所述地质数据包括矿物成分、岩石结构、脆性、断层分布和褶皱形态；和/或，所述储层物性数据包括含气饱和度；和/或，所述初次压裂参数数据包括压裂液类型及用量、支撑剂类型及用量；和/或，所述生产动态数据包括页岩气井产量数据和压力梯度数据；和/或，所述岩石力学数据包括弹性模量、泊松比和地应力数据。
3.根据权利要求1所述的基于多模态数据融合的页岩气重复压裂潜力预测方法，其特征在于，页岩气重复压裂潜力预测模型的参数设置包括：将数据集定义为形状为(N，Q，M)的张量，N为数据集中的样本数，Q为所有变量中最大时间步数，M为每个时间步长的变量数，所述多层感知机模型的隐藏层层数为2，所述门控循环单元模型的神经元数目为64，采用ReLU激活函数。
4.根据权利要求1所述的基于多模态数据融合的页岩气重复压裂潜力预测方法，其特征在于：设定损失函数，采用训练集对页岩气重复压裂潜力预测模型进行迭代训练及模型优化具体包括：设定损失函数为categorical_crossentropy；使用K折交叉验证方法作为超参数优化算法，优化器选择Adam；设置页岩气重复压裂潜力预测模型的学习率为0.01，对页岩气重复压裂潜力预测模型进行迭代直至准确率达到预设阈值。
5.根据权利要求1所述的基于多模态数据融合的页岩气重复压裂潜力预测方法，其特征在于：通过准确率和Kappa系数对页岩气重复压裂潜力预测模型进行测试和验证。
6.根据权利要求1所述的基于多模态数据融合的页岩气重复压裂潜力预测方法，其特征在于：将多层感知机模型的输出结果和基于注意力机制的门控循环单元模型的输出结果通过拼接层进行拼接合并，然后进入激活函数层进行分类。
7.一种基于多模态数据融合的页岩气重复压裂潜力预测系统，其特征在于，包括：数据获取模块，用于根据获取到的页岩气井数据建立数据集，所述数据集包括多维序列数据集、单值数据集以及重复压裂效果类型数据集，所述多维序列数据集包括测井曲线数据，所述单值数据集包括地质数据、储层物性数据、初次压裂参数数据、生产动态数据和岩石力学数据；数据处理模块，用于进行数据清洗、标准化处理，并将数据集划分为训练集、测试集和验证集；模型构建模块，用于构建以多维序列数据集、单值数据集作为输入、重复压裂效果类型作为输出的页岩气重复压裂潜力预测模型，所述页岩气重复压裂潜力预测模型包括对单值数据集进行处理的多层感知机模型，以及对多维序列数据集进行处理的基于注意力机制的门控循环单元模型；设定损失函数，采用训练集对页岩气重复压裂潜力预测模型进行迭代训练及模型优化，采用测试集和验证集分别对页岩气重复压裂潜力预测模型进行测试和验证，得到满足预设要求的页岩气重复压裂潜力预测模型；利用所述满足预设要求的页岩气重复压裂潜力预测模型对目标页岩气井的重复压裂潜力进行预测。
