寻找油气储层，准确地判识油气层位，意义重大。它可以大大减少试油成本及减少投资损失，有着巨大的社会效益和经济效益。本文基于灰色系统理论与人工神经网络的结合，对测井数据所构成的原始特征空间进行特征优化降维提取，再利用灰色关联聚类对油气进行识别。实验结果表明，本文方法可以对储层油气性进行识别，其正确判别率可达到30％。 测井信息是纵向的、多维的。对测井多维信息进行灰色模式识别的重点和难点是：从原始特征空间中选择提取特征参数，而原始特征空间——测井信息数据量极大。本文通过大量数据统计已知相同地质构造或者相邻井储层信息，分别对每口井储层参数做灰色聚类分析，提取差异较大的参数特征，从而，达到降维效果。在此基础上，结合灰色聚类思想，将干层、储层分离出来，再进一步与已知相邻井或相同地质构造井的油气信息做灰色聚类分析，达到对油气性的识别。 考虑到油、水层特征信息关联度较大，识别分离效果较差，本文提出了基于BP神经网络与灰色系统方法相结合的特征空间降维处理。实验表明，此方法大大的提高了不同储层样本之间的欧氏距离，油、水层间距也明显提高。 本文提出了以灰色聚类分析对测井信息进行一次特征选择，再利用油导式BP神经网络对一次降维空间进行优化及再次降维，最后以油导信息为参考，对待测油井储层进行灰色关联分析，对其进行油气性分析这一思想。本论文的研究与实践对于促进基于灰色信息的油气识别技术的发展具有一定的参考价值和实践意义。