碳酸盐岩油气藏为当前的研究热点,其在全球油气田总储量中占有较大的比重,中东地区剩余石油可采储量占全球可采储量的40%,因此中东地区的油气开发也成为当前各大公司的重要研究目标。中东地区的碳酸盐岩与国内碳酸盐岩储层存在较大的差异,中东碳酸盐岩储层受沉积环境与成岩作用影响,使得储层具有储集空间复杂,非均质性强的特点,同时复杂的孔隙结构也是造成碳酸盐岩储层评价困难主要因素。准确的储层分类模型对于碳酸盐岩储层的开发具有重要意义,可以作为评价储层的重要依据,服务油气藏开发。但将常规的储层评价方法应用于碳酸盐岩储层评价中,都存在一定的局限性。因此需要寻求一种高效准确的碳酸盐岩储层分类评价方法。准确的获取储层孔隙结构特征对于正确评价复杂油气藏具有重要意义,也是进行储层分类的有效依据。利用测井资料获取孔隙结构在分辨率上具有明显的不足,从岩心铸体薄片中提取孔隙结构特征具有较大的优势,铸体薄片能够最为直接地反映孔隙结构,通过图像处理技术实现对孔隙结构参数的自动拾取,首先利用数字图像处理技术对铸体薄片图像进行图像降噪、滤波、对比度增强,色彩空间变化等图像预处理,通过图像预处理提高图像质量,放大孔隙特征,然后运用三种不同的图像阈值分割方法对图像进行阈值分割,实现对薄片中的孔隙区域与基质进行区分,最后通过开运算、canny边缘特征提取,构建孔隙最大外接矩形与等效椭圆等形态学处理进行参数计算,最终提取长宽比、纵横比、离心度、迂曲度、孔隙形状因子、实心度、面孔率、等效圆半径八个特征参数,实现了铸体薄片的孔隙结构特征参数的自动拾取。基于上述提取的特征参数,利用数据挖掘技术进行储层分类,首先对8个特征参数进行主成分分析,消除参数间的共线性影响,将确定的主成分进行因子旋转,确定主成分的物理意义,最后对主成分进行K-均值聚类分析,利用XB指标评价聚类的效果,结合实际岩心资料对聚类结果进行不断的校正,最终确定储层类型。对聚类的结果从地质成因与已有的压汞孔隙结构参数验证分类结果的有效性。将最终确定的分类结果作为储层分类的样本标签。进行基于随机森林与概率神经网络储层分类预测建模,利用网格寻优对两种模型中的超参数进行确定,建立稳定高效的储层分类模型,并对两种模型进行对比,结果表明,概率神经网络模型的正确率最高达到80%,而随机森林网络模型的预测精度为75%,将该模型分别进行全井段应用,结合岩心描述资料进行效果对比。结果表明,概率模型的应用效果优于随机森林模型。本文从薄片资料出发,利用图像处理获得的孔隙结构参数,通过孔隙结构进行储层分类,将分类结果外推到全井段,实现了测井资料多尺度融合。本文提出的基于薄片孔隙结构参数进行储层分类评价的方法既能揭示储层地质成因内涵以达到预测效果,又能明确储层储集和生产油气能力,以指导油气藏开发的目的,对于碳酸盐岩的储层评价进行了新思路的探讨。