井间电磁测井技术可以“透视”上千米的岩石，寻找被注水绕过的油气层，识别地层油气水运移状态，绘制井间地层构造。该技术不仅可以从现有储层中增加石油产量，并且可能成为寻找新油层的利器，对于提高油气采收率具有十分重要的意义。　　本论文首先基于麦克斯韦方程组推导了井间电磁波在地层中的传播特性，分析了电磁波传播衰减常数同电磁波频率、地层电导率和地层介电常数之间的关系。然后结合实际的井间电磁测量方法，在实验室环境下搭建了井间电磁模拟实验平台，给出了基于PSS50SA2FT DIPIPM的发射驱动硬件电路设计和实验测量的方案，并在ANSYS环境下建模，对相应的实验平台进行了仿真。采用神经网络的方法对测量得到数据进行反演推算，选择三层BP神经网络作为基本结构，选择ReLU函数和Sigmoid函数分别作为隐含层和输出层的激活函数，介绍了样本数据的获取与划分方法，并采用动态学习率、动量法和dropout对神经网络进行了优化，同时引入one-vs-all策略对反演数据进行了预处理。最后，针对已经训练好的神经网络利用测试样本数据进行反演验证，并对比分析反演结果。　　实验结果方面，本论文分别给出了三类测试数据集的反演结果，结果显示各类数据集反演后的分类准确率均能达到92%以上，将这三类反演结果汇总，得到综合后的电阻率反演分类准确率为92.30%，表明所设计的基于神经网络的反演方法可以很好地服务于实际的井间电磁测量，实现对地层参数的预测。