火山岩储层油气主要储存在次生孔隙(气孔和裂缝)之中,油气的储存和聚集受到次生孔隙分布的影响。由于裂缝型火山岩储层孔隙空间复杂,储层评价难度很大,并且有些火山岩储层裂缝段未取的成像测井资料。因此如何有效地计算储层的次生孔隙度,对正确评价裂缝型火山岩储层的产能具有重要的意义,以往的方法主要是利用三孔隙度曲线和双侧向测井曲线计算储层次生孔隙度。由于常规方法运算参数很多,使得火山岩次生孔隙度的常规测井解释至今没有形成一套成熟而有效的方法。成像测井方法受到地区和经济条件的限制,使得一部分地区无法利用成像测井资料解释火山岩次生孔隙。本文研究的主要目的是以研究区常规测井资料为基础,以成像测井资料计算的次生孔隙度为依据,利用GA-BP神经网络技术预测火山岩储层次生孔隙度。本文首先对火山岩储层的裂缝类型和火山岩裂缝测井响应特征进行了总结,结合研究区实际测井资料用地层元素俘获谱测井方法(ECS)划分了研究区火山岩岩性,并统计了不同岩性的骨架参数值,为用常规测井方法计算次生孔隙度奠定了基础。本文利用常规测井资料和成像测井资料分别计算了火山岩储层次生孔隙度。以成像测井资料计算的次生孔隙度为基础,利于BP神经网络方法,基于常规测井资料预测了火山岩次生孔隙度。针对BP网络学习算法存在的缺陷,引入了遗传算法(GA),用遗传算法优化BP网络初始权重,即采用GA-BP神经网络技术预测火山岩次生孔隙度。编制了程序,并对研究区实际测井资料进行了处理,与传统BP神经网络方法和常规测井曲线方法进行了对比,说明了用GA-BP神经网络技术预测火山岩储层次生孔隙度方法的优越性。