随着经济和科技的日益发展,日常生活和工业对于油气资源的消耗量在提升,目前非常规油气资源成为关注的热点。致密砂岩作为非常规油气资源中最具有勘探开发意义的一块―蛋糕‖,其储层的有效识别、储层参数评价以及产能预测都已经成为热点问题。对于致密砂岩储层测井解释与产能预测,目前存在很多难点问题。由于致密砂岩含气饱和度、孔隙度和渗透率都很低,导电和渗流机理复杂,储层参数解释是难点;低电阻率气层的存在也导致了气水层识别成为难点;实际生产中,由于复杂的渗流机理,导致常规砂岩储层的渗流经验公式应用效果不好,这给储层产能预测也带来了很多问题和困难。针对这些热点和难点问题,本文对苏里格地区西部二叠系盒8段致密砂岩储层进行了研究和探讨,从原始资料收集和整理,到实验设计与数据分析,最后基于致密砂岩渗流与导电特性及相关岩石物理参数间的关系建立了孔隙度、渗透率和含水饱和度测井解释模型,也对气水层识别和产能预测等方面展开讨论和深入的研究,得到苏里格西区具体气水分布情况。详细的地区资料和实验数据对于做好致密砂岩储层测井解释与产能预测来说是必不可少的。从宏观区域地质构造概况,再到储层岩性、岩石矿物含量,最后到达微观孔隙尺度,通过实验来反应岩石内部孔隙结构,渗流,导电等岩石微观性质。通过这种多尺度特征的呈现,不但为深入的研究奠定了基础,而且提供了有效的技术支撑。苏里格地区致密砂岩储层非均质性很强,这使得常规解释方法在评价时经常出现问题,储层参数计算结果达不到测井评价精度的要求。从压汞曲线、相对渗透率曲线和核磁T₂分布数据中不难看出,复杂的孔隙结构和变化范围较大的物性是苏里格地区的典型特征。本文依据压汞曲线形态将实验岩心样品分为三类,从第一类到第三类,孔隙结构和物性依次变差。不同类别间的物性参数也存在较大差异,如果采用统一的解释参数,必然会产生很大的误差,这证明了分类的必要性。同时实验数据显示微孔小孔大量发育,在孔隙级别尺度上还需要针对不同的孔径范围进行研究。本文依据毛管压力曲线形态分类,相应样品的相对渗透率曲线和T₂分布也有着很好的分类效果,这说明样品的岩石物理参数间存在某种联系,这种联系需要深入研究。此外,在传统方法受到局限的情况下,需要针对这种情况提出新的方法和新的模型应用于苏里格致密砂岩储层解释中。针对提出的问题,本文以实验数据为基础,通过建立有效的模型来完成对苏里格西区致密砂岩储层的综合测井解释与产能预测。基于岩石渗流与导电特性,在现有毛管压力（PC）同横向弛豫时间（T₂）以及电阻增大率（I）的关系的基础上,本文采用分形理论推导出横向弛豫时间T₂和电阻增大率I的关系,得到T₂-I模型。还推导了相对渗透率（K_r）和横向弛豫时间（T₂）的关系,建立了T₂-K_r模型。并通过实验数据验证了模型的有效性,同时分析讨论了相关参数的意义和对模型的影响。为了研究不同物理参数间实验条件对转换模型的影响,本文以相对渗透率与电阻增大率转换模型为切入点进行了研究。结果发现实验条件对于转换模型的结果有影响,但是影响不大,储层条件岩电数据转换相对渗透率结果误差较小,但是与常规岩电转换相对渗透率结果相比差别不大,如果实验设备有限或者岩石样品易碎不抗压力,可以采取常规岩电数据进行转换得到较好的相对渗透率曲线。在研究过程中还发现模型参数以及孔隙结构对转换模型有一定的影响,在考虑了孔隙结构后,模型取得了较好的应用效果。目前针对致密砂岩孔隙度和渗透率的解释方法较为成熟,经过总结前人的工作发现,岩心拟合法和数学方法较为常用。实际处理结果显示,遗传算法-支持向量机（GA-SVM）预测结果好于岩心拟合法,并且预测孔隙度渗透率与密闭取芯数据对比误差较小。而致密砂岩储层的含水饱和度计算一直是难点,常规方法如阿尔奇公式法、数学方法难免的在精度上会存在一定的问题。传统阿尔奇公式法通过岩石物理实验数据,获得一套静态阿尔奇公式参数（a、b、m、n）应用于整个地区,在纵向非均质性较强的苏里格地区这种方法的计算结果出现了偏差。同样,数学方法在含水饱和度的预测上也出现了类似的问题,统一的预测样本用来建立预测模型,得到的预测结果与密闭取心含水饱和度平均绝对误差大于5%。这说明以上方法对于纵向非均质性很强的苏里格西区致密砂岩储层并不适用。为了解决这种问题,本文采用T₂-I模型应用于含水饱和度的计算上,在测井评价中采用核磁测井T₂分布重构电阻增大率（I）曲线,得到动态变化的动态阿尔奇公式参数b和n,从而计算含水饱和度。此外,本文还改进了新三水模型参数求取的方式,通过计算获得随深度连续变化的动态阿尔奇参数来代替实验统计参数。这些新方法的平均绝对误差小于传统方法,为致密砂岩含水饱和度计算提供了新的思路。针对致密砂岩储层气水层的识别手段有许多,例如采用曲线重叠法来识别气水层,其方法的核心思想是基于测井曲线对于气层的差异性响应,不过缺点是漏判率较高,而且受泥质含量的影响比较明显。本文以常规测井曲线制作图版为起点,建立气水识别图版,并利用PSO-SVM（粒子群优化算法-支持向量机）和随机森林法识别气水层,其中随机森林法在识别气水层上是首次应用,该方法有速度快精度高的优点。本文还采用T₂-K_r模型基于测井T₂分布获得连续的相对渗透率曲线,在对比等渗饱和度和含水饱和度之后,有效地识别了气水层,这为致密砂岩储层气水层识别提供了新的手段。依据产能数据和K_r-I模型,改进KHK产能劈分方法,利用PSO-SVM和RBF神经网络算法建立单层产能预测模型,其中RBF神经网络从时间上和精度上都更优秀,采用RBF建立的模型对苏里格地区致密砂岩储层进行预测,获得苏里格西区气水分布情况,对产井和产层的优选都具有一定的指导意义。