核磁共振测井的回波信号需要经过反演才能进行流体识别。一维核磁测井横向弛豫时间（T2）分布谱反演过程中,核矩阵的条件数较大,反演问题是病态的,这导致了反演结果的极大不确定性,而常规的核矩阵优化方法效率较低;二维核磁测井的横向弛豫时间-扩散系数（T2-D）分布谱反演问题的数据量更大,病态程度更高,当回波数据信噪比极低时,常规算法的反演误差较大。基于以上问题,本文开展了如下工作:利用离散二进制粒子群算法优化核矩阵,降低了一维T2谱反演问题的病态性。核矩阵的优化重点在于优化T2布点序列,为提高优化效率,提出过量预布点和向量点积取点的方法,仅需很少的粒子搜索步骤就能大幅缩减核矩阵的条件数。为验证优化效果,使用每一个优化后的核矩阵构造多个噪声随机的一维低信噪比模拟回波,基于截断奇异值分解的方法进行反演。结果表明:在布点数为16～64时,优化后的核矩阵反演误差比优化前更低,且优化效果几乎不受噪声随机性的影响。基于L2正则化方法,提出了双衰减连续化的正则因子更新策略,并结合Barzilai-Borwein梯度以及动量加速策略来优化T2-D谱的反演结果。改进的算法能够连续快速地求解多个正则因子对应的反演谱,有效降低了正则因子的选择难度。为验证改进算法的效果,使用构造的二维模拟信号和实测的硫酸铜溶液信号进行反演,结果表明:改进的反演算法在极低信噪比时能准确识别流体成分,相较于传统的反演算法,有着更高的正则因子更新效率和更小的反演误差。