针对B区块S油层含泥含钙中低孔特低渗储层渗透率计算精度低的难题，分析岩性、物性、孔隙结构对储层渗透率的影响，明确了孔隙度、泥质含量、钙质含量、孔隙结构是影响B区块S油层特低渗储层渗透率的主要因素，其中，孔隙结构是影响特低渗储层渗透率的关键因素。综合运用压汞曲线、孔喉半径分布特征以及流动单元指数反映特低渗储层孔隙结构变化，将特低渗储层按不同孔隙结构划分成3种类型，建立了特低渗储层类型的判别标准。利用中子测井、密度测井、声波测井、微球形聚焦测井、深浅侧向电阻率测井差值的绝对值等5个储层类型识别的敏感测井响应及参数，使用决策树法、最邻近结点法、BP神经网络法和支持向量机法建立了4种基于机器学习的储层判别方法，储层类型判别准确率依次提高，其中，基于支持向量机的储层类型判别方法判别准确率最高92.2%，且对3种类储层判别效果均很好。针对3类储层分别建立了渗透率计算公式。实际井解释结果表明，基于机器学习储层分类的渗透率模型计算B区块S油层特低渗储层渗透率精度明显高于储层分类前渗透率计算精度，其中，基于支持向量机储层分类计算的渗透率精度最高。