-
公开(公告)号:CN112948547B
公开(公告)日:2024-04-09
申请号:CN202110102187.6
申请日:2021-01-26
Applicant: 中国石油大学(北京) , 中国石油集团测井有限公司
IPC: G06F16/332 , G06F16/338 , G06F16/33 , G06F16/36
Abstract: 本申请提供一种测井知识图谱构建查询方法、装置、设备及存储介质,该方法获取用户输入的查询信息;根据自然语言处理,提取查询信息的关键信息;根据关键信息,在测井知识图谱中进行查询,确定查询信息对应的三元组数据;其中,测井知识图谱中的测井数据样本以实体、属性和关系的形式存储,关键信息包括查询信息中的实体、属性和关系中的至少一种;根据查询信息对应的三元组数据,返回查询信息对应的知识图谱中的相关测井数据;显示返回的知识图谱的相关测井数据,提高了测井人员数据查询的效率,便于测井人员高效地获取油井勘探过程中所需要的主要信息。
-
公开(公告)号:CN112948547A
公开(公告)日:2021-06-11
申请号:CN202110102187.6
申请日:2021-01-26
Applicant: 中国石油大学(北京) , 中国石油集团测井有限公司
IPC: G06F16/332 , G06F16/338 , G06F16/33 , G06F16/36
Abstract: 本申请提供一种测井知识图谱构建查询方法、装置、设备及存储介质,该方法获取用户输入的查询信息;根据自然语言处理,提取查询信息的关键信息;根据关键信息,在测井知识图谱中进行查询,确定查询信息对应的三元组数据;其中,测井知识图谱中的测井数据样本以实体、属性和关系的形式存储,关键信息包括查询信息中的实体、属性和关系中的至少一种;根据查询信息对应的三元组数据,返回查询信息对应的知识图谱中的相关测井数据;显示返回的知识图谱的相关测井数据,提高了测井人员数据查询的效率,便于测井人员高效地获取油井勘探过程中所需要的主要信息。
-
公开(公告)号:CN119721786A
公开(公告)日:2025-03-28
申请号:CN202311285460.9
申请日:2023-09-28
Applicant: 中国石油天然气集团有限公司 , 中国石油集团测井有限公司
IPC: G06Q10/0639 , G06F18/25 , G06N3/0464 , G06N3/044 , G06N3/08
Abstract: 本发明公开了一种固井质量确定方法、装置、存储介质及电子设备。其中,该方法包括:获取携带有针对目标井的多种类型的测井数据的固井评价请求,其中,多种类型的测井数据用于从不同角度描述井壁与固井胶结体之间的强度;确定多种类型的测井数据分别对应的初始测井特征;确定固井评价请求的请求类型,并获取与请求类型对应的融合特征模型;将多种类型的测井数据分别对应的初始测井特征输入融合特征模型,得到目标井的融合特征;基于融合特征,得到目标井对应的目标固井质量。本发明解决了相关技术中存在对于固井质量确定的处理效率不理想的技术问题。
-
公开(公告)号:CN110618082B
公开(公告)日:2021-06-04
申请号:CN201911037944.5
申请日:2019-10-29
Applicant: 中国石油大学(北京)
Abstract: 本发明实施例提供一种基于神经网络的储层微观孔隙结构评价方法及装置,该方法包括:获取基于岩心高压压汞实验得到的岩心孔隙结构数据,并岩心孔隙结构数据对应的岩心孔隙结构的类别;根据根据岩心密度与测井数据中的密度曲线将岩心深度与测井深度对齐,得到岩心对应的测井数据,继续得到预处理之后的测井数据;将预处理之后的测井数据作为输入、岩心孔隙结构的类别作为输出,对初始的神经网络模型进行训练,得到训练好的神经网络模型;当需要评价目标井的储层微观结构时,将目标测井数据输入所述训练好的神经网络模型,得到目标测井数据对应的孔隙类别,能够实现准确且快速的评价储层微观孔隙结构。
-
公开(公告)号:CN110618082A
公开(公告)日:2019-12-27
申请号:CN201911037944.5
申请日:2019-10-29
Applicant: 中国石油大学(北京)
Abstract: 本发明实施例提供一种基于神经网络的储层微观孔隙结构评价方法及装置,该方法包括:获取基于岩心高压压汞实验得到的岩心孔隙结构数据,并岩心孔隙结构数据对应的岩心孔隙结构的类别;根据根据岩心密度与测井数据中的密度曲线将岩心深度与测井深度对齐,得到岩心对应的测井数据,继续得到预处理之后的测井数据;将预处理之后的测井数据作为输入、岩心孔隙结构的类别作为输出,对初始的神经网络模型进行训练,得到训练好的神经网络模型;当需要评价目标井的储层微观结构时,将目标测井数据输入所述训练好的神经网络模型,得到目标测井数据对应的孔隙类别,能够实现准确且快速的评价储层微观孔隙结构。
-
-
-
-