目前，国内外地层评价从简单纯地层模型到较完善的复杂地层模型，大量应用了数理统计、多元分析、人工智能、计算机图形与图像处理技术等，模糊灰关联分析法，模糊聚类分析，模糊综合评价，灰色系统分析方法，灰色聚类分析方法也都相继编制了软件应用于测井解释，但由于地层性质的复杂性，这些解释方法的模糊性、不确定性，使得测井解释符合率至今仍然偏低，仅有60—75％。其原因在于这些方法仍然没有充分利用测井曲线提供的宝贵信息，没有全面分析测井曲线的细微变化。上述一些方法都是基于最大隶属原则对油水层进行判别分类的，在实际的应用中有一定的局限性，用这些方法进行决策时，容易造成信息的丢失，进而导致错误的决策。 鉴于此，本文拟用时间序列分析方法，对测井曲线进行时间序列分析，全面精细的研究不同地质层位测井信号的差异，并结合多元统计分析中的判别分析方法，研制出一种判断油水层的简捷的快速算法，提高测井解释的准确率，准确区分油层和水层，以解决油气藏描述和工程问题。 时间序列分析属于概率统计学科的一个重要分支，近十多年来得到迅速的发展，尤其是实际应用遍及自然科学、社会科学及工程技术的许多领域，越来越显示出旺盛的生命力。 本文的研究结果如下： (1) 本文引入了四种AR(p)模型。模型由参数估计、定阶和预测组成。参数估计介绍了最小二乘估计法，对多维AR(p)模型的最小二乘估计法做了改进。定阶介绍最佳函数准则法(FPE、AIC、BIC)、F检验法、快速F检验法及本论文提出的改进F检验法。预报给出了直接预报和递推预报公式。 (2) AR(p)模型与三次指数平滑模型组合预测算法的研究。文献[45]和[46]提出了一种对铜锍品位进行预测的方法，即一维AR(p)与指数平滑组合预测模型；文献[50]提出了一种对油田产油量进行预测的方法，即一维AR(p)与灰色组合模型或一维AR(p)与逐步回归组合模型预测方法；文献[51]提出了一种对油田产油量进行预测的方法，即多维时间序列神经网络组合预测模型。本文基于这些思想，对文献[45]和[46]的组合预测模型作了改进，提出了一维FAR(p)模型和指数平滑组合预测模型，从而比一维AR(p)与指数平滑组合预测模型有更高的预测精度。对于相关性较高的多指标预测问题，本文提出了多维AR(p)模型与指数平滑组合预测方法和多维FAR(p)模型与指数平滑组合预测方法，最后通过实例对四种组合预测模型的预测精度做了比较。 (3) AR(p)模型和判别分析在储层识别中的应用。本文提出了一种对油水层进行识别的新方法-AR(p)模型和判别分析。对于某地区多口井同种岩性的47个油层和17个水层，分别用四种AR(p)模型去拟合测井曲线，从而建立相应的四种AR(p)模型。随后用判别分析分别对四种AR(p)模型建模后的系数建立判别函数，对47个油层和硕士学位论文:AR(p)模型的估计理论及其在测井解释中的应用个水层，分别用四种AR(p)模型去拟合测井曲线，从而建立相应的四种AR(p)模型。随后用判别分析分别对四种AR(p)模型建模后的系数建立判别函数，对47个油层和17个水层进行回判，得出了四种AR(p)模型下的油层回判准确率，水层回判准确率和油、水层总的回判准确率，并且对这四种方法进行了比较。最后，用四种方法对未知储层进行了识别。 (4)基于Mat lab时间序列AR模型的测井解释软件系统。利用前面的知识，在Windows98/2000/M曰NT/XP操作系统平台之上，应用数学软件MATLAB编制该测井解释软件系统。该软件系统主要实现基于四种AR(P)模型与判别分析的储层识别和基于四种AR(P)模型和指数平滑模型的组合预测。该软件包括9个功能模块:数据管理模块、图形管理模块、一维AR(p)建模模块、多维AR(p)建模模块、一维FAR(p)建模模块、多维FAR(p)建模模块、判别分析模块、识别储层模块和组合预测模块，关键词:AR(P)模型参数估计定阶准则F检验指数平滑组合预测 测井解释油水层识别争