【技术实现步骤摘要】
本专利技术涉及油气田勘探领域，尤其涉及一种砾岩流体性质的识别方法、装置及电子设备。
技术介绍
1、储层流体性质识别是储层评价、油藏评价等方面的重要研究内容，准确的储层流体性质识别结果是地质勘探和开发的有效依据。目前，储层流体性质识别完全由具备地质知识背景的作业人员手动完成，主要采用交会图法、统计学方法以及核磁测井等技术方法。随着勘探程度的不断提高，储层类型越来越复杂，数据量越来越大，传统的识别方法精度低、效率慢而且人为因素影响太大，已不适用于广泛应用。
2、近两年来，人工智能技术在测井解释领域有所应用，但大多都是应用全连接神经网络或常规卷积神经网络对岩性的识别，识别的精度和效率有待提高，并且，都存在较大的缺点和局限性。在识别精度方面：上述方法仍然按照传统测井解释作业模式，基于测井原始曲线数据识别特征变化点，误差相对较大。在解释效率方面：上述方法虽使测井解释模型具备了深度学习的能力，但在处理复杂岩性测井解释时，其解释效率和精度都有待提高。
技术实现思路
1、本申请实施例通过提供了...
【技术保护点】
1.一种砾岩流体性质的识别方法，其特征在于，包括：
2.如权利要求1所述的识别方法，其特征在于，所述文本卷积神经网络模型是按照以下步骤训练得到的：
3.如权利要求2所述的识别方法，其特征在于，所述多个重点井的样本测井曲线数据是通过以下步骤得到：
4.如权利要求2所述的识别方法，其特征在于，所述每个样本测井曲线数据分别对应的流体性质结果图通过以下步骤得到：
5.如权利要求4所述的识别方法，其特征在于，所述基于所述潜在分层点以及预设的显著性指标，将所述样本测井曲线数据分割为依次排列的多个曲线段，包括：
6.如权利...
【技术特征摘要】
1.一种砾岩流体性质的识别方法，其特征在于，包括：
2.如权利要求1所述的识别方法，其特征在于，所述文本卷积神经网络模型是按照以下步骤训练得到的：
3.如权利要求2所述的识别方法，其特征在于，所述多个重点井的样本测井曲线数据是通过以下步骤得到：
4.如权利要求2所述的识别方法，其特征在于，所述每个样本测井曲线数据分别对应的流体性质结果图通过以下步骤得到：
5.如权利要求4所述的识别方法，其特征在于，所述基于所述潜在分层点以及预设的显著性指标，将所述样本测井曲线数据分割为依次排列的多个曲线段，包括：<...
【专利技术属性】
技术研发人员：陈昌，周晓龙，高荣锦，李金鹏，李子敬，雷文文，郭美伶，李英菊，陈洋，于海波，祁飞，钟亚男，张斌，
申请(专利权)人：中国石油天然气股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。