传统的油藏描述方法存在很多问题。比如，大部分方法都是基于单变量的；油藏参数维数高、数量多，且存在很大的随机性和不确定性等。为了克服这些不足，近年来，国内外学者提出利用神经网络进行油藏描述。鉴于自组织映射(SOM)模型的特征保持、数据降维以及可视化功能，本文利用其对油气层进行准确识别。 针对SOM网络学习算法存在的一些缺点，即在学习过程中容易陷入局部最优，以及在收敛过程中存在钟摆效应，本文提出一种改进的SOM学习算法。理论研究和仿真试验均表明该算法的有效性，它能弥补标准SOM学习算法的不足。 油气层的准确识别能够提高勘探效果，还可以为油田开发的部署与规划提供重要的基础数据。本文拟在现有油气层识别研究与评价技术基础上，利用改进的SOM学习网络模型分析测井参数识别储层，提出一套分析识别方法，并给出了相应的可视化信息，得到一个良好的聚类识别器，为油藏描述和参数分析提供了依据。文中详细介绍了此模型用于油气层识别的过程。比如，样本参数的选择、网络的构建和优化、网络的学习和表示、聚类分析等。 最后，结合实际测井参数，进行油水层识别，得到了很高的识别精度。结果表明：该模型是一种操作简便、易于实现、性能良好的有效模型。