我国各大油田目前已经相继进入勘探开发后期,此时注水开发成为油田开发的一种重要手段,水淹层的识别和评价技术成为储层解释的重要环节,其目的是进一步精确地描述油藏,摸清水淹规律,降低采油成本、提高采油量及其采收率,提高油田整体经济效益。首先,研究了水淹层识别方法及最新发展情况。从三个大的方面对现有的水淹层识别和评价方法进行分析研究:实验室地质分析技术、油藏地球化学技术和地球物理技术,总结了近年来迅速发展的水淹层自动识别技术,归纳了当前水淹层识别的特点和面临的困难。其次,研究了计算学习的基本理论、基础知识。从对理论产生的背景分析开始,研究了作为计算学习理论的基础与核心的PAC学习模型及其扩展模型、表征学习系统容量和复杂程度的VC维及样本复杂度,分析并列出了一些概念类的PAC可学习性。得出了计算学习理论作为分析与设计算法的一种形式化框架,它的研究成果给机器学习算法提供了重要指导意义的结论。最后,以提高算法的分类识别率和泛化能力为出发点,研究了在计算学习相关理论基础上发展的集成学习和支持向量机。针对支持向量机的缺点,通过Boosting算法与支持向量机的结合,研究了支持向量机集成,提出了一种支持向量机的改进算法BoostingSVM并将其应用于油田水淹层识别,形成了水淹层自动识别的一种新途径——基于计算学习的水淹层识别方法。实验结果表明,基于计算学习的BoostingSVM算法是一种高效的水淹层自动分类识别算法,其水淹层分类识别率、推广能力等关键指标均优于原有的SVM算法,有一定的应用前景。