本论文研究的主要目的是在激光法粒度分布测试及粒度数据处理流程基础上,以PPCR为操作平台,针对海拉尔盆地贝尔凹陷碎屑岩粒度分析的实际情况,建立一套具有参照意义的粒度混合分布模式标准,使新的粒度表征方法尽快地走向实用阶段,也使粒度分析数据更好地为油田勘探、开发中的地质研究服务。该论文通过样品描述、样品测试、数据处理、母体建模和模式识别,以贝尔凹陷、贝尔凹陷为主,对海拉尔盆地油气储层进行了粒度表征研究,取得了以下成果与认识:一是结合海拉尔盆地贝尔凹陷、贝尔凹陷油气储层粒度母体分布建模工作,购置了一套在功能和可操作性上都较GPER大大增强的混合母体分布模式识别软件PPCR,并成功地应用于本论文的混合母体分布建模和模式识别。二是通过对近几年激光法粒度数据的筛选、整理、规范和数据处理,在新的软件平台PPCR上,用海拉尔盆地贝尔凹陷34口井、1055块样品的粒度母体分布数据和沉积环境解释结论,建立了包括254个粒度母体分布模式在内的粒度母体分布—先验沉积环境知识库。即在PPCR软件平台上,以模式编辑功能为媒介,将数据聚类与BP人工神经网络结合起来的方法,具有完全的可行性和较强的实用性。三是通过对二、三子体大类中每个模式进行观察,发现母体分布特征相似的被客观地划分到同一模式,并且解释为同一微相的多个样品,往往来自同一口井的相邻井段,这说明粒度母体表征对同类样品具有较强的模式识别能力。四是通过对所建粒度母体分布模式与建模样品先验沉积环境的对比,发现多数模式的先验沉积环境,都以较大的样品频率集中落在名称相似或地理位置相邻的几个样品上面,说明粒度母体表征具有良好的指相作用。五是通过该论文研究建立起了一个基于人类智能的庞大而复杂的粒度母体-沉积环境知识库,模式识别的例行工作由计算机完成,运用仿真人类智能的“人工智能”在瞬间完成人工难以完成的模式识别工作,这是该论文研究的重要特色。六是以粒度母体分布作为基础进行沉积环境识别,仅根据粒度分布一项指标,模式识别结果与已知沉积环境完全吻合的概率就达到70%以上。如果再加上相邻沉积环境,则模式识别的正确概率可能超过90%。总之,本论文通过粒度分析结果快速识别沉积环境,对海拉尔盆地贝尔凹陷油气储层沉积相研究有重要应用价值,同时对今后开展其它盆地的研究也有参考价值。