岩性解释是测井数据处理中最关键的一环,传统的岩性解释是采用人工解释,效率低,精度不高,而且丢掉了许多有用的信息。随着地球物理数字测井技术的不断发展,充分利用计算机信息处理技术,快速、准确地利用测井数据进行岩性自动识别,不断提高测井地质解释的精度,已成为煤田地质勘探技术发展的重要方向。论文在分析测井数据岩性识别的国内外研究现状,总结前人研究成果的基础上,选择应用广泛的神经网络技术作为论文研究的重点;在分析遗传算法(Genetic Algorithm,简称GA)与误差反向传播算法(Back-Propagation,简称BP)各自特性的基础上,针对BP算法在反演中测井数据识别样本大以及BP算法存在收敛速度慢、容易陷入局部最小等缺陷,提出利用GA算法来同时优化BP神经网络的结构和连接权值的解决方案,建立了基于GA优化BP神经网络的测井数据岩性识别模型。最后,编制了集测井基础数据管理、测井数据岩性识别以及测井柱状图自动绘制等功能为一体的测井数据处理软件系统。并应用陕西彬长矿区的实际基础数据,对该软件系统的岩性识别功能进行了检验,获得了较高的识别速度和准确率。应用结果表明,本文的研究成果具有一定的实用价值。