本文主要研究一些常用数学物理方法在地层划分、岩性识别中的实际应用效果。地层划分是测井解释中的一个重要环节,人工分层不仅效率低下,而且易受解释人员的主观因素影响。本文利用极值方差聚类法、活度函数法、微商法并结合计算机来自动分层。这些分层方法的优点是快速、定量、自动的进行分层；还可以同时根据多条不同的测井曲线所提供的数据进行综合分层。当然这些分层法效果的好坏,很大程度上取决于所选用的数值处理方法是否恰当。在岩性识别方法建立过程中,尝试了交会图法,但只能划分岩性大类或指出变化趋势,效果不佳。为此,本文采用贝叶斯判别法、支持向量机两种算法,结合编程实现岩性的计算机自动识别,效果明显,两种方法的平均符合率都达到了80%以上,基本满足勘探开发需要,可以作为测井岩性识别的主要方法在生产实际中应用。本文主要研究区块及储层为呼和诺仁油田(贝301区块)南屯组二段砂砾岩储层。该区块储层总体上属于低孔、低渗、低含油饱和度,并且断层多；储层岩性主要为绿灰、灰色泥质粉砂岩、粉砂岩、细砂岩、粗砂岩、砂砾岩、砾岩,呈不等厚互层。在了解贝301区块的区域地质概况的基础上,本文从储层测井响应特征和储层岩性特征入手,结合常用的数学物理方法对研究区块的测井响应参数建立数学模型,进而进行地层分层和岩性识别。如在用活度函数法分层中,选取在泥质层和砂岩层的响应特征比较明显的自然伽马曲线,并设置了窗长为3、7、9三组活度曲线来进行比较识别,得出窗长7和9的分层效果更好。在用贝叶斯判别法识别岩性过程中,特征参数的选取至关重要,经分析岩性响应特征得出砂质砾岩,细砂岩,泥质粉砂岩的AC(声波时差测井)、ILD(深感应测井)、TLM(中感应测井)、SFL(球形聚焦电阻率测井)、GR(自然伽马测井)响应均值在不同岩性段上变化最为明显,故在此综合这五条测井曲线值作为特征参数建立贝叶斯判别模型,并用来进行岩性识别,判别结果经与录井岩性资料对比可得正判率超过80%,说明判别方法具有实用价值。通过本次研究,主要取得了以下成果与认识：1、测井曲线的形态与变化规律受岩性控制外,还与井下仪器类型、测井速度、井眼条件等有关。可将它们归总为与岩层中心对称和不对称两大基本类型。2、本文所采用的极值方差聚类分层法原理简单,易于编程,运算速度快,人工参与少,分层取值结果合理,效果明显。此外其适用性较强,对任何测井曲线(如SP,GR,AC,DEN,CNL,CAL,RA)都适用。3、本文用活度极大值作为地层界面只适用于自然电位、自然伽马这类半幅点分层的测井曲线,而不适用于侧向、梯度这类不用半幅点分层的测井曲线。文中对选取了3、7、9三种活度窗长,处理结果与人工分层结果基本一致,体现了算法的有效性,能较好地达到测井自动地质分层的目的。4、本文在进行岩性识别时需要注意对数据进行归一化处理,消除各测井参数间因量纲不同而引起的潜在问题,其次在选取测井参数时,应选用反映岩性变化能力大的测井信息。建立样本模型后,为检验岩性判别函数的可靠性,对确定岩性判别函数的样品数据进行回判,其结果如下：灰色泥质粉砂岩、细砂岩、砂质砾岩的正判率分别为85.05%,81.19%,85.7%,整个样品层的正判率为83.33%。说明贝叶斯判别法在综合运用地质、测井、岩心资料进行岩性预测时,能够得到较好的结果。5、支持向量机方法在解决模式识别小样本、非线性及高维中表现出独特的优势和良好的应用前景。使用C语言编写处理程序,对每种岩性样本进行SVM训练,然后利用学习后的SVM模型预测储层岩性,可知,采用SVM识别贝301区块地层的岩性与实际取心资料对比,符合率为85%,特别是对泥质粉砂岩这种岩性的划分可达到90%以上,说明利用该方法可识别油藏地质中的复杂岩性,提高划分精度。