经过数十年的开发,中国东部老油田基本已全面进入高含水、高采出阶段,但实践表明由于夹层控制了储层内的流体流动,影响了垂向渗透率的及水驱动效率,仍存在可观的剩余油相对富集区。有效地识别出夹层和查明夹层的分布特征,对后期油藏开发和剩余油预测具有重大意义。以喇嘛甸油田南中西二区萨尔图油层和葡萄花油层为研究对象,进行地层对比与划分,划分出各个小层的层内夹层,确定其成因与展布特征。在夹层成因的基础上,综合测井资料与取心资料识别出夹层类型,选取识别参数。由于工区测井曲线的不足,本文在充分考虑各个测井参数之间的组合关系,采用参数多项式处理方法和数据降维方法,共选取9个特征参数作为新的评价参数,并确定夹层类别,由此建立了夹层定量识别的已知样本。运用支持向量机方法建立夹层定量识别模型,为油藏开发中后期的油藏描述提供了一种快速、准确的夹层定量识别方法。在数据预处理和模型参数寻优的基础上,运用214组学习样本建立了基于支持向量机算法的夹层识别模型,并对68组测试样本进行检验,其预测精度可达80%,远高于交会图版法的预测性能。在模型优化上,利用改进的F-分值方法优选出特征集,去掉参数组合中多余的信息,建立最优的特征子集;考虑非平衡数据对模型的影响,对最优特征子集的学习样本进行数据非平衡处理,优化之后的模型预测精度可达86.76%。结果表明,建立的夹层定量识别模型能够较为系统地反映多种地质因素和夹层类型之间的复杂映射规律,应用支持向量机算法开展夹层识别具有一定的可行性,并且可推广到其他地质领域上。