裂缝作为地下油气储集空间和油气运移的通道,是裂缝型储层研究的重要内容,裂缝孔隙度是裂缝型储层测井评价中的重要参数之一。虽然裂缝定性识别和描述的方法很多,但是用常规测井资料进行裂缝孔隙度的定量计算一直是储集层裂缝解释中的难题。以阿姆河盆地某气田上侏罗统卡洛夫—牛津阶组台缘上斜坡相对高能滩相和丘滩复合体的裂缝—孔隙型储层为例,提出一种成像测井解释的裂缝孔隙度数据约束条件下,基于神经网络算法的常规测井资料计算裂缝孔隙度新方法。针对研究区少量有成像测井资料的井,首先利用深浅双侧向电阻率资料,结合密度曲线数据和声波曲线数据,运用多种经典模型方法计算裂缝孔隙度;然后计算加权因子,将各种模型计算的裂缝孔隙度进行加权计算,利用成像测井资料计算出的精度较高的裂缝孔隙度作为约束,并对计算结果进行标定,完成有成像资料井的常规测井资料的最终裂缝孔隙度计算;最后,运用概率神经网络算法建立起计算的有成像测井资料的裂缝孔隙度与常规测井曲线之间的映射关系,外推计算无成像测井资料所有井的裂缝孔隙度,并利用交叉验证准则确定其最终预测误差。结果表明该方法为本区最优裂缝孔隙度计算方法,横向外推较为可靠,计算结果用目的层段实际井漏、生产动态资料分析、储层参数验证对比,吻合度高,表明该方法是一种行之有效的方法。