随着我国大多数油气田开发进入中后期阶段,开采挖潜的对象由大面积连通油藏逐渐转向为剩余油高度分散但局部地区又相对富集的区域。因此对储层进行更加细致的划分,建立一个能够精细描述储层内部构型以及平面分布规律的油藏模型在指导油田的开采过程中显得尤为重要。河流相砂体是我国陆相盆地中重要的油气储集层,目前主要以钻孔岩心数据和露头资料研究河流相砂体的沉积层序,而对于储层内砂体的空间结构以及叠置样式的认识不够,结合沉积相认识与实际地震资料研究河流相砂体叠合模式并将其成果辅助储层建模对油藏的精细描述有着重要意义。地震驱动建模方法将井数据和地震数据均作为硬数据联合建立地质模型。通过井震结合计算转换函数并求取待估点的物性参数参与建模,充分使用地震数据本身所包含的地质空间信息,在井网相对稀疏的地区也能获得较为合理的建模结果。本文在前人研究的基础上改进了砂体叠合模式的识别算法,通过砂体叠置模板数据与实际地震数据的波形信息和地震多属性信息匹配程度该算法可以自适应的调整参与计算的数据进行模式识别;并探索了机器学习中的稀疏自编码网络方法在砂体叠置模式的识别中的应用。最后将改进的识别方法应用于约束地震驱动建模流程。