描述了一种用概率神经网络(PNN)由地震数据预测测井特性的方法。该方法实际上是一种数学插值手段。它的实现引用了神经网络的结构，但它通过研究数学规则—贝叶斯优化规则，可以比多层前馈神经网络更好地实现插值功能，因而具有潜在的优势。本文介绍了概率神经网络的基本原理并用于目标物性参数的预测。 在总结前人方法以及研究经验的基础上，通过合成井旁地震道，提取了一系列基于样点的地震属性，目标是要导出一个多属性变换。选定的子数据体是用向前逐步回归的方法确定的。为评价导出的多属性变换的可靠性，进行了交叉验证，优选出五个地震属性。分别利用概率神经网络和BP网络两种方法预测目标参数，得到了良好的效果。对比二者预测结果，在数据样本少的情况下概率神经网络要比BP精确，充分验证了该方法的可行性。