随着油气勘探的不断深入,石油行业积累了类型众多、数量巨大的勘探数据。如何从这些数据中有效地提取地质和油藏信息,为有利区块的勘探提供技术支持成为数据利用的关键。　　数据仓库为利用OLAP和数据挖掘技术寻找海量数据中隐含的规则提供了一个有利的应用环境。数据模型的设计是建设数据仓库最关键的技术环节,是数据仓库建设工作正式开始的第一步。　　本文将数据仓库建模技术引入油气勘探领域,依据勘探业务流程,划分一级、二级和三级勘探业务主题。在此基础上以储层岩性识别主题为研究切入点,建立数据流程,抽取与主题相关的实体和属性,分析所需数据的特征,完成储层岩性识别主题的维度和星型模型设计,并且利用Oracle数据仓库工具,建立维度和数据方体,完成数据模型的设计。编写Java程序,实现将外部数据导入源数据库。设计映射,将数据从源数据库映射到目标数据仓库。以此为例,针对储层类型划分、沉积相研究以及储层级别划分等主题设计数据模型,编程导入源数据,建立映射。本文在数据仓库模型设计的基础上,编程实现利用决策树方法中的C4.5算法识别储层岩性,识别准确率显著提高。利用聚类分析方法中的K-means算法划分储层类型,同样取得了很好的效果。