调整井储层物性预测对调整井部署和钻完井设计非常重要。受沉积相控制,平面地层厚度、孔隙度和渗透率分布具有非均质性,传统的克里金插值等储层物性预测方法在预测调整井地层物性时,由于部分选取已知井点与预测调整井的沉积相不同,只考虑了待插值点与样本点之间的空间差异,而忽略了沉积相的影响,造成储层物性预测结果误差大。因此,有必要根据调整井钻遇地层样本点储层物性数据划分地层沉积相,进而选取与调整井钻遇地层待插值点同一沉积相区域的样本点储层物性数据来预测调整井的储层物性,提高预测精度。本文首先在地层沉积相的特征和现有沉积相划分方法分析基础上,针对现有沉积相划分方法需要地震、测井及钻井取芯资料多、预测过程复杂且耗时长的不足,给出了一种基于机器学习K-means聚类算法的沉积相划分方法,利用测井解释资料划分地层沉积相,为调整井储层物性预测奠定基础;进而,通过不同基于距离的储层物性插值预测方法对比分析,给出了一种基于沉积相划分的相控克里金插值储层物性预测方法,该方法通过遍历插值井点数据选取更加合理的沉积相划分方案,提高了储层物性预测精度。蓬莱油田储层物性预测结果表明,本文给出的相控克里金插值储层物性预测方法预测的地层渗透率误差较普通克里金渗透率减小了7%以上。