岩性识别是录井、测井解释的前提与基础工作。石油与天然气勘探开发工作在不断推进的同时,以复杂岩性体为主的非常规油气藏成为了油气行业的研究重点。针对复杂岩性体的岩性识别问题,录井中目前采用荧光光谱仪录井法、测井中目前以元素俘获谱测井法为主。这两种方法的共性是均以地层主要造岩元素为直接检测结果,难点是如何根据主要造岩元素信息判断所研究的地层岩性信息与造岩矿物定量组成信息。国外以斯伦贝谢等为代表的油田技术服务公司与相关研究人员在以地层元素为已知信息的岩性识别方面做过大量的研究工作。经文献调研发现,这些研究工作以沉积岩为主,很少涉及岩浆岩。由于我国复杂的油气田地质背景,此类研究结果也很难有更好的效果。针对我国特殊油气地质情况开展地层元素与岩性及矿物组成的关系研究是必要与迫切的。本文在充分调研的基础上,以人工神经网络中的多层感知器神经网络与BP神经网络为主要研究工具,在充分了解与掌握研究工具的前提下,整理了国内27个省、市、自治区7834条岩浆岩测试数据,来自国内13个不同类型含油气沉积盆地的沉积岩岩心X衍射测试数据共9066条,并进行了大量的样品实测,研究了其中复杂的元素与矿物对应关系。利用非线性数学分类方法中的多层感知器人工神经网络,构建了根据地层元素组成识别沉积岩、岩浆岩属性的岩性识别模型。接下来,利用BP神经网络,构建了根据地层元素组成识别沉积岩矿物组成的定量预测模型。通过整理的大量沉积岩、岩浆岩数据对模型进行了训练与测试,并利用Visual Studio.NET2003软件开发工具开发了相关应用程序。主要取得了以下的结果与认识：(1)根据地层组成元素中的Si、Ca、Al、Mg、K等主要元素,构建的岩性识别模型,在岩浆岩、沉积岩岩性识别方面,准确率达到94.3%。(2)根据地层组成元素中的Si、Ca、Al、Mg、K等主要元素,构建的矿物定量预测模型可对矿物组成中的石英、长石、粘土、方解石、白云石进行含量预测。经测试,石英含量的预测平均绝对误差在1.72以内,长石含量误差在4.5以内,其他三种矿物含量误差在1.72到4.5之间。(3)通过开发相关的应用程序,并对有关井数据进行了处理,说明所构建的模型有一定的泛化能力,处理结果可与实测结果对比,且与国际著名油田技术服务公司的解释结果有相关性。