储层地质参数的准确表征,是精确模拟储层流体流动与传输的关键。页岩气藏储层内大量发育天然裂缝,对裂缝的识别则尤为重要。但常规测井、取芯中获取的裂缝信息具有极大不确定性,由此会导致裂缝系统模拟的误差,进而引发生产预测偏差。集合卡尔曼滤波(Ensemble Kalman Filter,EnKF)是一类能够有效利用油藏动态信息降低地质属性不确定性的数据同化方法(又称自动历史拟合、油气藏参数反演)。通过取油气藏观测数据作为约束,EnKF可以实时更新储层内静态、动态参数,逼近真实储层参数分布情况。本文考虑了EnKF参数更新特点,并结合页岩气藏裂缝模拟的特殊要求,出基于双孔双渗模型(Dual Porosity Dual Permeability,DPDP)的EnKF页岩气藏数据同化方法,并对方法的有效性、先验信息影响性以及实际应用效果行了研究。在EnKF/DPDP有效性验证部分。本文出通过序贯高斯模拟与布尔随机方法,分别对基质、裂缝系统进行集合属性参数随机建模,并建立不确定性定量述。利用Python编程语言耦合Eclipse油藏模拟器,执行EnKF预测与参数更新步骤。试验结果表明,EnKF/DPDP具有极强约束效果,后验模型的参数不确定性急剧下降,并能很好估计出参考模型中裂缝、基质系统参数分布形态,对生产历史数据也有精准的拟合效果。在裂缝先验信息影响分析部分。本文采用了3类裂缝模型进行随机裂缝建模:确定性大尺度裂缝、全局随机裂缝以及局部簇状随机裂缝。研究通过控制先验裂缝信息集的裂缝类型与数量,对信息缺失下的同化效果进行了分析。试验结果表明,在不使用裂缝信息(转而采用连续性参数随机建模方式)时,EnKF/DPDP依然具有较强约束效果。但随着裂缝信息逐步加入,拟合效果与参数估计精度会逐级增强。而在裂缝类型影响上,局部簇状随机裂缝对同化结果的影响更大。在EnKF/DPDP应用性研究中。通过对Haynesville页岩区块一口多级压裂水平井进行数据同化工作,实时更新其压裂区域渗透率与压力敏感曲线。试验结果表明,EnKF/DPDP能很好估计水平井压裂改造的质量,并对生产中的裂缝闭合过程有很好述,同时对水平井生产历史数据也有很好的拟合效果。