针对水平井水力压裂过程中分布式光纤声波（DAS）和温度（DTS）数据信噪比低，且缺乏纯净监测数据作为训练标签的难题，提出了一种融合物理约束与工程先验的自监督盲去噪方法。该方法无需预先获取无噪真值，而是利用时-深子块的棋盘格交替采样策略构造自监督训练样本，实现网络对噪声分布的自适应学习。在此基础上，针对DTS和DAS的信号特性，分别引入热传导平滑性、边缘保持及波场相干性等物理约束，并依据射孔簇位置建立空间变权损失函数，以在去噪的同时重点保护簇周关键响应特征。该方法在信噪比（SNR）与结构相似性（SSIM）指标上均优于传统滤波，去噪后的数据显著增强了进液位置的冷锋边界与声波能量条带清晰度，有效提升了压裂事件识别与簇间进液非均匀性评价的准确性。

针对传统光滑平板模型忽略粗糙度对支撑剂运移影响的不足，基于分形理论，利用实测岩样轮廓修正Weierstrass-Mandelbrot函数，构建符合储层粗糙特征的裂缝模型，并通过计算流体力学与离散元（CFD-DEM）耦合方法模拟支撑剂运移与返排过程，重点研究注入孔数、砂比及粒径组合的影响。结果表明：单孔注入能量集中，砂堤平衡高度最高达3.25 cm，返排率最低；砂比由8%升至11%时，砂堤高度由2.60 cm增至3.28 cm，出砂率随之降低；70/140目、40/70目与20/40目按质量比1∶6∶3组合时，砂堤平衡高度3.28 cm，支撑剂留存率达97.64%。粗糙壁面起伏可诱导局部涡流区，增加颗粒沉降阻力并促进颗粒间力链形成，从而显著提升砂堤稳定性与近井带铺置效率。该分形修正模型与耦合方法能有效反映壁面起伏对颗粒运移的非线性作用，为页岩油压裂支撑剂工艺优化提供理论支撑。