所谓反演就是将野外采集获得的地震数据信息经过地球物理学家之手转换成更加具象化的地质岩石信息的过程，即通过反演，我们可以将数学化的物理模型转化为能够反映岩石信息的场源模型。常规的线性反演往往对初始模型的依赖程度较高，而且容易出现局部极值，基于以上等原因，随后有学者开始将非线性理念如人工神经网络技术引入到反演中,BP神经网络正是最能展示人工神经网络技术精华的一种算法。　　将BP神经网络算法引入到波阻抗反演当中，将具有高分辨率的测井数据作为神经网络的输出学习样本；通过对地震数据做一系列数学变换处理，提取多种地震属性，然后利用属性优选方法，遴选出对波阻抗反演最具贡献的地震属性，然后依次作为输入学习样本，在通过神经网络的训练学习过程，建立输入与输出之间的映射关系，然后将这种存在于有限个样本之间非线性映射关系推广到样本所在的剖面或者切片上，实现对波阻抗的横向以及纵向推广。　　本文在完成对BP神经网络的算法设计后，进行了纵横波联合反演，由单一纵波数据反演延伸到以纵波反演为主，横波反演作为辅助约束，尝试利用纵横波在对含油气储层方面波阻抗反映的差异来进行聚类分析以实现储层识别。本文工作全部通过编写程序实现，并以丰谷地区的实测资料为例，对这一理论进行了验证，结果表明，以测井数据为约束，用BP神经网络算法对纵横波数据进行波阻抗反演，然后对纵、横波波阻抗进行聚类分析，得到的预测结果与实际钻井数据有较高的吻合度，达到了理想的效果。