随着油田勘探、开发日趋复杂,测井领域积累了丰富的测井知识,测井资料的处理和解释难度精细度要求也在不断提升。在资料处理和解释过程中,对于不同地区乃至同一地区的不同层段,要求配置不同的参数和选择不同的模型,以提高测井解释符合度。由此,在复杂储层评价中,如何针对各种不同性质特点的目标层段自动选取最佳参数及解释模型对测井曲线进行智能化处理成为一个非常重要的问题。针对上述问题,本研究提出引入知识图谱对测井处理解释软件平台本身、测井解释领域相关知识和有丰富使用经验的人的知识进行管理,利用知识图谱强大的规则推理和分析能力,针对具体区域性解释特征,尽可能缩小搜索范围并快速给用户一个最优策略,为用户提供最适合的解释参数和模型,减少工作人员的工作量和提升测井处理解释软件平台的整体性能。本文主要研究内容如下:第一,构建了测井解释领域知识图谱。根据测井解释领域知识特点和测井解释实际业务需要,结合专家经验,遵从知识图谱体系架构逻辑,以测井解释领域业务模式层和原始实体数据层为基准,利用基于Bi LSTM+CRF的实体识别技术和基于领域知识规则模板的关系抽取技术实现了知识获取,通过本体匹配和实体对齐完成了知识融合,并使用Neo4j图数据库实现了知识存储,最后,利用可视化知识表示方式对测井解释领域相关知识进行了展示,完成了测井解释领域知识图谱的构建。第二,提出了基于知识图谱的测井解释参数模型优选方法。针对资料处理和解释过程中,测井解释模型繁多和不同地区不同层段参数配置复杂等情况,梳理了典型储层参数和测井解释模型,使用相关性分析技术手段完成了能够指示储层含油气量与测井参数之间函数映射关系的关键参数确定,并通过制定解释模型识别标准表达式规范和解释规则,进行规则推理,实现了基于知识图谱的测井解释参数模型优选方法,并进行了实例应用,效果良好。综上,本文通过基于人工智能深度学习算法实现的知识图谱,实现了测井解释模型的参数优选,经证明,效果良好。