地层孔隙度是反映储集层油气储量的重要参数,准确度量这一参数对评价地层有着十分重要的意义。在声波测井中,为了精确确定地层声波孔隙度、进而为油气储量的评价与预测提供解释依据,研究优于传统理论方法的神经计算方法来确定地层声波孔隙度具有重要的应用价值。本文所作的主要工作如下:(1)详细分析了确定地层声波孔隙度的传统方法并指出其使用的局限性;阐述了声波测井时差与地层孔隙度之间是一个非线性的对应关系,由声波时差来确定岩层孔隙度属于非线性系统建模问题。由于神经计算技术非常适合于非线性系统建模,因此采用神经计算技术来确定地层孔隙度是一种切实可行的方法。(2)讨论了基于BP算法的神经网络、基于LM算法的神经网络、RBF神经网络和支持向量机等四种具体模型,进行了仿真实验,结果表明RBF神经网络和支持向量机具有很强的预测功能。(3)针对典型油井井段的测井资料进行了实际应用,主要包括样本集(含声波时差和岩芯孔隙度等参数)的选取与预处理,BP神经网络隐含层节点数的选取、RBF神经网络和支持向量机的模型参数的设计,以及待识地层声波孔隙度的预测等过程。应用结果表明,基于神经计算的地层孔隙度的求取方法远优于传统方法,其中RBF神经网络和支持向量机具有很强的预测能力,尤其是支持向量机的预测精度最高。