石油是人类发展过程中必不可少的资源,作为战略储备物资,一直受到世界各国的关注。目前,我国的大多数油田进入到了开采的中后期阶段,许多油藏在天然原油快要枯竭时注水,提高开采量和采收率。我国已经成为全世界注水开采比例的最高国家,大部分的油田已进入了高含水阶段,随着地下原油受注入水的长期驱替,水淹程度严重,从而伴随着开采难度增大等相关问题。影响油田水淹层的识别因素较为复杂,地下水分布及矿化度变化莫测,因此,正确识别和评价水淹层级别,最大限度提高采收率是目前刻不容缓的工作。本文以此问题切入,设计了一种基于量子衍生自组织网络模型用于油田水淹层的识别,并利用相关实验进行验证,主要研究内容如下:(1)利用取芯井测井资料数据预测油田水淹层水淹级别,其中特征指标集的构造至关重要。本文中将从矿场得到的实际测井资料数据进行整理,利用沃尔什滤波的正变换与反变换,实现了对测井数据的预处理,并构造了水淹层识别的特征指标集。(2)研究了一种量子衍生自组织网络模型,样本数据和竞争层权值采用量子比特来进行描述,凭借量子计算的高效计算机制和非线性映射能力,并依据相关实验可以得出,所构建的网络模型具有识别率高的优点。(3)结合在矿场获得的实际测井资料数据,对水淹层进行识别,对比实验结果证明了本文提出的量子衍生自组织网络模型在水淹层识别问题上具有较高识别率,具有一定的参考价值和意义。