针对油田注水开发中后期油层水淹状况复杂,储层性质发生改变,导致测井曲线的幅度和形态发生相应的变化,因此,建立一种能描述测井曲线幅度和形态变化的模式识别技术,有利于储层水淹级别的准确判别。通过岩样聚驱、三元复合驱实验,获得由含油性变化所引起的电性、声波时差、核磁共振响应的实验数据,从而研究储层在聚驱、三元复合驱替条件下电学、声学性质的实验规律。在分析三种驱替条件下储层性质变化规律及水淹层测井响应特征的基础上,提取厚油层的曲线形态特征,弥补了由于厚层细分引起的曲线形态信息缺失。选取曲线形态特征参数、原始测井曲线以及成果曲线作为识别水淹层的特征参数,建立了基于过程神经网络的水淹层自动识别方法,并将该方法用于特高含水期厚油层细分水淹解释中。应用8口取心检查井的186个样本建立水淹层模式库,进行网络训练,使用训练好的过程神经网络对大庆油田北1-55-检E66井等2口井进行水淹解释,结果表明,解释符合率为81.3%,该方法对解决水淹层自动识别问题具有良好的适应性,可提高水淹层测井评价的精度。