喇嘛甸油田位于松辽盆地大庆油田北部,经过几十年的开发,已经进入了高、特高含水阶段,挖潜剩余油是目前勘探开发的主要任务。沉积微相研究是开展储层及剩余油研究的基础工作,常规的沉积微相研究是以相变规律和沉积特征为依据,通过岩心和测井资料等信息进行人工识别。人工识别往往面临识别过程重复、工作量巨大等问题,因此寻找一种针对研究区沉积微相的自动识别模式,在工作中代替人工识别以达到减少工作量提高识别效率的目的,具有重要的现实意义。本文以喇嘛甸油田葡萄花一段油层组2砂层组（简称PI2）为研究对象,通过地层划分对比,将PI2砂层组细分为3个小层,6个单砂层。根据前人研究结果结合岩心、测井等地质资料,将研究区P12砂层组辫状河流相沉积划分为心滩微相、河道充填微相、道间漫滩微相和道间泥微相。绘制研究区沉积微相剖面、平面沉积微相展布图分析其展布和演化特征。在沉积微相精细研究基础研究之上,调研了沉积微相自动识别模式的特征参数,结合研究区实际情况,选取了自然电位（SP）、自然伽马（GR）、声波时差（AC）3种测井曲线和平均中位数、相对重心、方差、变差方差根4种曲线参数组合成12种特征参数作为建立沉积微相识别模式的特征参数。根据研究区各微相样本提取的特征参数数据,组成180组训练集和48组测试集,通过Matlab软件构造支持向量机算法模型（SVM）对180组训练集进行处理,经过参数寻优,建立了研究区PI2辫状河流相沉积微相自动识别模式。经过测试集验证,最优模型的识别准确率可达85.42%;在此基础上结合主成分分析（PCA）方法对模式进行优化,优化后最优预测精度可达91.67%。研究结果表明将支持向量机方法运用于研究区辫状河沉积微相识别可行,应用支持向量机方法建立沉积微相自动识别模式,开展识别工作具有良好的应用前景。