近年来,非均衡数据的分类问题引起了众多研究学者的关注和讨论。在地质勘探领域,岩石数据呈现非均衡特征的情况也多有发生,加上复杂储层存在勘探难度大等问题,传统的计算机辅助方法,很难对复杂储层进行储层描述和岩性识别。本文通过分析发现,复杂储层中岩石数据均为非均衡数据,且其中某几类岩石具有高相似度。因此,在研究了非均衡数据分类算法的基础上,提出了面向复杂储层岩石数据的二分类和多分类算法。本文具体研究工作如下:一、分析复杂储层岩石数据的样本特点,提出基于聚类及样本迁移的岩石数据均衡化算法(cluster and samples move based on feature distance),简称 C&SM 算法。该算法对多数类样本进行聚类分组后,判断多组多数类子样本的样本量,当子样本间再次出现非均衡现象时,采用基于特征距离的样本迁移方法进行二次处理;最后,把若干均衡多数类子样本与少数类样本组合,构成新的岩石数据集。本文提出的算法,不但避免了重采样造成的数据缺失或原始数据分布改变的问题,同时解决了二次非均衡现象对岩性识别的影响。二、围绕高相似度非均衡岩石数据的二分类问题,研究不同地层元素对识别复杂储层岩石数据的重要程度,提出基于地层元素特征权重的集成规则。在该类数据上,算法的AUC值至少可以达到0.93。三、围绕复杂储层岩石数据的多分类问题,提出了岩石样本融合策略及基于多层漏斗型的(multi-label imbalanced data classification based on multi-layer funnel)MICMF分类模型,通过融合策略把多类别非均衡数据转化为多类别均衡数据后,利用MICMF模型进行最终的岩性识别。实验表明,该算法在13个含油气盆地上的平均识别准确率可以达到92%,精确率可以达到84%。