储层油气的识别评价己成为国内外石油工作者十分关注的研究课题，准确识别评价可为油气开发的规划与部署提供重要的数据基础，提高勘探效果。目前我国大多数油气田进入开发中后期，油井产液中的水含量相对比较高。为了油气田的持续稳步开发，我们亟需了解储层中油气的准确含量，为后期开发做好准备。虽然我国测井公司人工解释油气层的符合率比较高，但是主要依赖测井解释工程师丰富的实际经验，有时也存在着一定的误差性和偶然性，这对油气层解释工作的推广极为不利。而现有的计算机解释软件又未加入人工经验的参数，解释符合率与人工解释相差甚远。　　 本文在现有的油气目标评价技术基础上，通过对不同储层下测井曲线的灰色关联分析，提取测井曲线的主要特征参数，并利用BP神经网络识别评价储层。针对BP神经网络固有的缺陷，引入遗传算法来优化其初始权值。最后，应用该遗传神经网络模型处理了实际的测井数据，识别效果明显，大幅度提高了计算机对储层测井解释的符合率，证明以常规测井资料为基础，应用遗传神经网络技术识别评价储层油气目标是可行的。　　 本文主要内容：　　 (1)简要介绍了灰色系统、神经网络和遗传算法的相关理论，详细介绍了灰色关联分析、BP神经网络的结构及其学习过程，对遗传算法的特点、基本概念和步骤进行了具体的阐述，同时分析了BP神经网络和基本遗传算法存在的固有缺陷。　　 (2)利用灰色关联分析方法提取储层测井曲线的特征参数，使影响储层油气的主要因素充分反映在特征参数上。　　 (3)通过灰色关联分析，优化神经网络的训练样本。　　 (4)建立基于油气目标评价的BP神经网络模型，采用遗传算法优化神经网络权重，并对该模型进行改进。　　 (5)运用遗传神经网络，结合所提取的特征参数和样本，进行油气的识别评价。