数据挖掘在测井信息处理过程中起着很关键的作用，但目前尚有的典型数据挖掘系统或多或少存在交互性弱、挖掘过程可控性低、数据可视化程度差等缺点。本文依据测井信息处理的实际需要，根据数据挖掘的科学流程，结合BP神经网络、遗传算法、SOM网络及TFI聚类算法等数据挖掘算法理论，利用计算机模拟(可视化编程工具VC++)、数据库管理及数据可视化等技术研究开发了一套多维信息挖掘系统。本文还重点提出了利用该系统建立精度好、效率高的分类、回归及聚类模型关键流程及方法。 取得的主要成果有以下几点： 1．开发了独立于大型数据挖掘系统之外的、针对地学专业的开放式多维信息挖掘系统，建立了测井、网格等地学数据的输入接口，简便了对测井、网格等地学数据进行数据挖掘时的数据输入过程，同时也建立了文本数据及Excel数据的输入接口，也为其他信息的数据挖掘提供了可能。 2．开发了基于数据可视化技术的散点图分析功能，这对于数据体属性间的相关性分析带来很大的便利；还开发了属性聚合、属性转换、奇点标注及抽样等数据预处理功能，属性聚合及属性转换使得数据体的各属性能更好地适应各种不同的数据挖掘算法，奇点标注及抽样则能加强数据挖掘模型的准确性及适应性。 3．开发了交互性较强、挖掘过程可控性较灵活、运行效率较高、分析结果较精确的BP神经网络分析功能、遗传神经网络分析功能、SOM网络分析功能及TFI聚类分析功能，涵盖了数据挖掘六大任务中的三项(分类、回归及聚类分析)，这对于测井信息处理中的岩性识别、孔隙类型识别、物性参数计算及含油气性识别等过程起着关键性的作用。还首次将遗传神经网络分析及TFI聚类分析引入数据挖掘系统。 4．开发了散点比较图分析功能，它能将回判数据与真实数据之间的差异更好地呈现出来，更好地表现模型的性能。还首次开发了其他数据挖掘系统少有的分类模型应用、回归模型应用及聚类规则应用等知识应用功能。