低阻油层主要是受地质构造、沉积微相、储层物性、钻井泥浆等诸多因素影响,测井所测得电阻率值低于常规油层电阻率值。从而造成在测井和录井解释中存在小层解释不准确情况,含油气层未被精准识别,造成大量油气层被遗漏。以测井数据为切入点,基于模式识别算法融合录井数据、解释成果数据、试油数据、生产数据,应用并行关联规则挖掘测井参数与含油性关系,基于tsfresh提取测井特征,选取典型小层数据,以测井特征为属性构建决策树、随机森林与支持向量机等智能识别模型,结合关联分析结果对预测结果进行模式匹配实现油层筛选,结合分析结果与低阻油层筛选内容构建小层数据画像,精准解释该类小层具有的特征。应用该算法对某油田641口井的部分相关数据进行了分析,识别出有利储层25个小层,经过深入论证,识别结果准确率达90%,具备现场实施条件的3个小层进行验证,识别成功率达到100%。针对油田海量勘探开发数据,运用关联规则挖掘、特征提取、模式识别、分类算法等一系列大数据分析方法与机器学习技术,构建了智能油层识别模型,进行低阻油层精准识别,能够节省大量人工,降低开发成本,提高采收率。