随着我国乃至全世界较大油气田的勘探开发工作均已处于中晚期,现阶段的勘探开发目标正由传统油气资源向非常规资源转变。而受到当今社会紧张的国际关系及全球新冠病毒的肆意传播对全球油气供需的影响,原油价格正处于过去一段时期以来的最高值。在这种全球环境下,进一步加大国内能源生产能力和能源生产质量是确保国民经济持久长期稳定发展和国防实力稳步提升的必然。精细储层描述对于提高油气开采质量起着非常重要的作用,其中通过提升测井数据分辨率研究工作是精细储层描述中重要的环节。为此本文通过借鉴图像及音频领域的超分辨相关概念及做法,利用现代信号处理理论、机器学习方法、深度学习方法对测井数据进行训练学习,通过井间数据的联合应用及纵向测井信息的有效挖掘,建立高分辨数据与低分辨数据之间的非线性映射关系,开展了面向页岩储层精细描述的测井曲线超分辨方法研究工作。针对现有测井曲线高分辨处理方法无法做到真正的将分辨率进行有效提升的问题,已不再适合大数据背景下的分辨率提升工作,基于此提出了局部线性嵌入的测井曲线超分辨方法。该方法实现结合图像专业领域当中的超分辨概念,旨在挖掘井间相关数据的潜在的联合应用关系。具体的,通过假设高分辨率与低分辨率曲率曲线处于同一块流行空间,它们具有相似的结构,通过不同井间数据的训练学习,可以找到高低分辨率曲线间的非线性映射关系,最终完成2倍及4倍尺度下的低分辨曲线分辨率提升任务。结合多次的实验比对,从视觉上以及评价指标中,相比较其他高分辨处理方法,本方法实现的测井曲线超分辨处理任务大幅提升了复原精确度,可以达到一个显著的效果。针对上面所提方法在某些曲线上（比如SP曲线）表现效果较差的缺陷,无法做到同一口井间的所有曲线数据进行训练进而实现超分辨处理的问题,基于此提出了LSTMRF的测井曲线超分辨方法。该方式通过利用LSTM出色的挖掘与处理序列核心数据的能力,能够深入的挖掘同一口井不同曲线之间潜在的价值关系。具体的,将常规测井曲线进行上采样及下采样操作生成不同尺度的数据,接着进行多视常规插值得到初始高分辨数据序列,再将其输入到LSTM网络进行关联,进而得到非线性映射关系。通过实际测井数据的实验结果可以看出,本方法超分辨效果更优,具有更低的均方根误差值,能充分发挥LSTM的优秀性能,且具有较强的稳定性。