时域激发极化测井对水淹层后期油气勘探的地层参数(孔隙度和渗透率等)评估具有较好的适用性,而提高地层参数的评估精度能够指导工程石油勘探从而提高石油采收率。结合储层的电化学特征,由极化率数据可以反演获取储层的孔隙结构特征并进一步评估储层的地层参数。由于测井仪器工作在高温、高压的环境,采集到的数据会被噪声污染(信噪比在30dB左右)。因此,有效的数据预处理和孔隙特征反演算法对于地层参数的评估具有重要意义。本文结合极化率信号的基本数学特征,分析了SVD和小波变换等现有数据预处理算法的性能,数值仿真结果表明SVD算法的去噪性能最优,但仍会丢失储层的部分孔隙结构信息。因此,结合噪声和有效信号的空间变换特征,本文通过构建偏移Hankel矩阵对现有SVD算法改进,并结合数值模拟和岩心实验数据对各算法性能进行了对比分析;对于储层孔隙结构的反演,本文讨论了影响反演结果的多种因素,并研究了不同正则化方法(TSVD和Tikhonov)、正则化矩阵(单位矩阵I、差分矩阵II和三对角矩阵III)以及正则化参数判定条件(GCV、L-曲线和BG理论)的反演性能。通过数值模拟和岩心数据分析的方式,对不同反演算法的性能进行了对比分析,同时引入BG理论对孔隙结构未知的岩石反演结果进行评估。实验分析表明,在20dB~40dB信噪比下,本文提出改进数据预处理算法性能最优,能够明显改善孔隙结构的反演精度;而对于储层孔隙结构的反演,通过数值模拟发现TSVD-GCV、TSVD-L和Tikhonov-I-L算法的稳定性和精度较好。结合BG理论对砂岩孔隙结构的反演结果进行评估分析,结果表明TSVD-GCV算法较其它算法误差提高超过85%,精度最高,适用于吉林某矿区砂岩孔隙结构的反演。