为解决复杂储层（如低孔低渗、裂缝发育储层）中传统阵列声波测井时域参数（波速、幅度）流体识别精度低、抗干扰能力弱的问题，提升储层流体类型（油、水、气）判识的可靠性，支撑油气资源的高效勘探开发，本文提出一种基于阵列声波测井时频特征的流体识别方法。方法以阵列声波全波列（纵波、横波、斯通利波）为研究对象，首先通过频谱分析技术（傅里叶变换、小波变换及希尔伯特变换等）提取不同波型的关键时频特征参数，包括波形到时、频谱幅值、主频变化及频率衰减系数；其次构建多波型频谱特征融合模型，结合机器学习算法（随机森林）优化特征权重，实现对流体敏感特征的强化与干扰特征的压制；最后基于多区块实测阵列声波测井数据构建样本库，完成模型训练与验证。研究结果表明：不同流体类型储层对应的阵列声波频谱特征存在显著差异——气层表现为主频大幅降低、高频衰减剧烈，油层主频偏移中等、频谱幅值比稳定，水层主频偏高、频散斜率平缓；所提方法对油、水、气层的识别准确率达(90%)以上，较传统时域方法提升(10%-15%)，且在裂缝发育的花岗岩、砂岩储层中仍保持较高识别精度。研究证实阵列声波测井时频特征对流体类型具有强敏感性，所建方法为复杂储层流体识别提供了新的有效技术途径，对推动阵列声波测井技术在储层评价中的深化应用具有重要意义。

时频分析,流体识别,傅里叶变换,小波变换,希尔伯特变换