1.一种基于地质-工程数据的油气压裂产量预测方法，其特征在于，包括：获取目标井的泵注数据以及所述目标井所在地层的测录井数据；分别对所述泵注数据以及测录井数据进行二维转换，得到泵注二维特征矩阵和测录井二维特征矩阵；将所述泵注二维特征矩阵输入到训练好的第一卷积神经网络模型中进行卷积和池化计算，得到施工质量评价指标；将所述测录井二维特征矩阵输入到训练好的第二卷积神经网络模型中进行卷积和池化计算，得到地层物性指标和储层流体指标；将所述施工质量评价指标、地层物性指标和储层流体指标输入到全连接层，全连接层经过激活函数输出所述目标井的产量预测结果；对所述泵注数据进行二维转换，得到泵注二维特征矩阵包括：按照工况对所述泵注数据进行划分，得到多个阶段下的泵注数据；分别对每个阶段对应的泵注数据进行二维转换，得到每个阶段对应的泵注二维特征矩阵；所述第一卷积神经网络模型包括多个输入通道；将所述泵注二维特征矩阵输入到训练好的第一卷积神经网络模型中进行卷积和池化计算，得到施工质量评价指标进一步包括：将每个阶段对应的泵注二维特征矩阵分别通过所述第一卷积神经网络模型的相应输入通道输入所述第一卷积神经网络模型，并进行卷积和池化计算，得到所述施工质量评价指标；对所述测录井数据进行二维转换，得到测录井二维特征矩阵进一步包括：对所述测录井数据进行分析，得到所述地层的指标参数，所述指标参数包括渗透率、脆性指数、杨氏模量和油水分类；对所述指标参数进行二维转换，得到所述指标参数对应测录井二维特征矩阵；所述第二卷积神经网络模型包括至少两个输入通道；将所述测录井二维特征矩阵输入到训练好的第二卷积神经网络模型中进行卷积和池化计算，得到地层物性指标和储层流体指标进一步包括：将所述测录井数据和指标参数分别通过所述第二卷积神经网络模型的相应输入通道输入所述第二卷积神经网络模型，并进行卷积和池化计算，得到所述地层物性指标和储层流体指标。
2.根据权利要求1所述的方法，其特征在于，训练所述第一卷积神经网络模型和第二卷积网络模型的步骤包括：获取已开采井的泵注数据作为训练泵注数据集，获取所述已开采井所在地层的测录井数据作为训练测录井数据集；分别对所述训练泵注数据集和训练测录井数据集中的数据进行二维转换，得到训练泵注二维特征矩阵和训练测录井二维特征矩阵；将所述训练泵注二维特征矩阵输入到待训练的第一卷积神经网络模型中进行卷积和池化计算，得到预测施工质量评价指标；将所述训练测录井二维特征矩阵输入到待训练的第二卷积神经网络模型中进行卷积和池化计算，得到预测地层物性指标和预测储层流体指标；将所述预测施工质量评价指标、预测地层物性指标和预测储层流体指标输入到全连接层，全连接层经过激活函数输出所述已开采井的产量预测结果，并根据所述已开采井的产量预测结果和该已开采井的真实产量对所述第一卷积神经网络模型和第二卷积神经网络模型进行迭代训练，直至所述产量预测结果和该已开采井的真实产量之间的差值满足预定要求，得训练好的第一卷积神经网络模型和第二卷积网络模型。
3.根据权利要求2所述的方法，其特征在于，根据所述已开采井的产量预测结果和该已开采井的真实产量对所述第一卷积神经网络模型和第二卷积神经网络模型进行迭代训练进一步包括：在任意一次迭代训练过程中，冻结所述第一卷积神经网络模型或第二卷积神经网络模型其中任意一个卷积神经网络模型的模型参数，调整未冻结的卷积神经网络模型的模型参数，然后将所述训练泵注二维特征矩阵和训练测录井二维特征矩阵输入到相应的卷积神经网络模型进行计算，得到本次迭代的预测施工质量评价指标、预测地层物性指标和预测储层流体指标，然后将本次迭代得到的预测施工质量评价指标、预测地层物性指标和预测储层流体指标输入到全连接层，全连接层经过激活函数输出本次迭代的所述已开采井的产量预测结果。
4.一种基于地质-工程数据的油气压裂产量预测装置，其特征在于，包括：数据获取单元，用于获取目标井的泵注数据以及所述目标井所在地层的测录井数据；数据二维转换单元，用于分别对所述泵注数据以及测录井数据进行二维转换，得到泵注二维特征矩阵和测录井二维特征矩阵；第一计算单元，用于将所述泵注二维特征矩阵输入到训练好的第一卷积神经网络模型中进行卷积和池化计算，得到施工质量评价指标；第二计算单元，将所述测录井二维特征矩阵输入到训练好的第二卷积神经网络模型中进行卷积和池化计算，得到地层物性指标和储层流体指标；全连接层计算单元，用于将所述施工质量评价指标、地层物性指标和储层流体指标输入到全连接层，全连接层经过激活函数输出所述目标井的产量预测结果；对所述泵注数据进行二维转换，得到泵注二维特征矩阵包括：按照工况对所述泵注数据进行划分，得到多个阶段下的泵注数据；分别对每个阶段对应的泵注数据进行二维转换，得到每个阶段对应的泵注二维特征矩阵；所述第一卷积神经网络模型包括多个输入通道；将所述泵注二维特征矩阵输入到训练好的第一卷积神经网络模型中进行卷积和池化计算，得到施工质量评价指标进一步包括：将每个阶段对应的泵注二维特征矩阵分别通过所述第一卷积神经网络模型的相应输入通道输入所述第一卷积神经网络模型，并进行卷积和池化计算，得到所述施工质量评价指标；对所述测录井数据进行二维转换，得到测录井二维特征矩阵进一步包括：对所述测录井数据进行分析，得到所述地层的指标参数，所述指标参数包括渗透率、脆性指数、杨氏模量和油水分类；对所述指标参数进行二维转换，得到所述指标参数对应测录井二维特征矩阵；所述第二卷积神经网络模型包括至少两个输入通道；将所述测录井二维特征矩阵输入到训练好的第二卷积神经网络模型中进行卷积和池化计算，得到地层物性指标和储层流体指标进一步包括：将所述测录井数据和指标参数分别通过所述第二卷积神经网络模型的相应输入通道输入所述第二卷积神经网络模型，并进行卷积和池化计算，得到所述地层物性指标和储层流体指标。
5.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至3任一所述方法。
6.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1至3任一所述方法。
