目前,致密油气是全世界油气勘探和开发研究的热点,资源丰富、勘探潜力大。然而致密砂岩复杂的成因,使得储层具有岩性致密、低孔、低渗的特点。致密砂岩储层的孔隙结构比较复杂,呈现两种或多种复杂孔隙结构。致密砂岩测井响应特征较为复杂,测井解释和评价存在一定难度。本项研究以红河油田长8层为例,开展了裂缝性致密砂岩测井解释方法的研究。该区砂岩较为致密,孔隙度、渗透率较低,地层中存在基质孔隙和裂缝两种储集空间。致密砂岩岩层中裂缝的存在,使得储层具有有效的孔隙度和渗透率。首先,本研究结合研究区长8的地质特征、岩性、孔隙性、渗透性、测井响应特征及岩心观察资料,开展了致密砂岩的裂缝识别方法研究,研究了裂缝的测井响应特征、裂缝孔隙度的计算方法、指示裂缝发育的综合概率指数法,计算了裂缝孔隙度和裂缝发育综合指示,实现了储层裂缝的有效识别。然后,通过一系列水饱和法孔隙度实验、核磁共振实验等配套实验及其结果分析,得到了孔隙度的分布特征与孔径分布,并构建了研究区长8孔隙度、饱和度、渗透率的解释模型。此外,综合考虑束缚水和裂缝对饱和度的影响,根据双重孔隙介质理论,将岩块分为基质和裂缝两部分,推导了基于水联接指数的基质饱和度计算模型和基质—裂缝新型饱和度解释模型。岩石物理实验和试油结果证实了该模型的可靠性。最后,本文通过委员会机器的应用实现了储层流体的识别以及测井参数的定量预测。该委员会机器组合了 BP神经网络、支持向量机(SVM)、自适应神经网络模糊推理(ANFIS)三个智能系统,首先对三个智能系统单独训练,找出效果最优的模型参数,然后将三者所得的结果输出,再以某种方式在委员会中处理,最后得到唯一解。本研究以红河油田试油资料及相关常规测井数据为实验输入对象,对回归委员会机器和分类委员会机器进行训练、测试,得到误差最小的参数模型,再将训练好的委员会机器应用于新的数据,最终实现了储层流体类别的预测,并且对孔隙度、渗透率和饱和度进行了定量预测。本文用多种方法构建测井参数的计算模型,研究了裂缝性致密砂岩地层的测井解释方法,实现了致密砂岩测井解释方法的研究和应用。