在油田中后期开发阶段，注水开发条件下水淹层的精细识别与分级评价是剩余油挖潜和开发方案调整的关键基础。然而，在黏土含量高、孔隙结构复杂的低电阻率油藏中，导电黏土矿物和高束缚水含量显著削弱了电阻率对含油性的指示能力，导致传统测井解释方法在水淹层识别中准确率偏低。针对上述问题，本文以渤海海域X区块馆陶组低电阻率油藏为研究对象，提出了一套以岩石物理机理约束为核心、融合机器学习的水淹层综合识别方法。首先，基于核磁共振、压汞和X射线衍射等岩石物理实验，系统揭示了研究区低电阻率油藏的形成机理，明确其主要受复杂孔喉结构及蒙脱石等导电黏土矿物共同控制，导致束缚水饱和度高、电化学附加导电效应显著。在此基础上，引入Waxman–Smits模型对Simandoux饱和度方程中的岩电参数进行修正，建立了适用于黏土质砂岩的混合地层水电阻率与饱和度联合反演模型，从物理机制层面提高了低阻条件下饱和度计算的可靠性。其次，针对核磁测井资料获取受限的问题，采用极端梯度提升（XGBoost）算法，利用常规测井曲线预测有效孔隙度（EPOR），并通过特征重要性分析验证了模型结果与测井响应及地质认知的一致性，从而在降低对核磁测井依赖的同时，保证了预测结果的物理合理性。在此基础上，构建了相对深电阻率参数ΔRD与可动水饱和度差值（Swz–Swir）的交会图，实现了水淹层的定量识别与分级评价。研究方法在X区块多口生产井中的应用结果表明，水淹层测井解释符合率达到90.6%，较常规方法提高约16.5%，且与示踪剂测试及生产动态具有良好一致性。研究成果为低电阻率油藏水淹层识别提供了一种物理约束明确、工程可推广的测井评价新思路。

低电阻率油藏；水淹层识别；岩石物理约束；改进Simandoux模型；XGBoost