储层是油气勘探领域的核心内容,储层的准确识别和定位直接关系到油气田的整体收益。其中,储层岩相和储层物性参数预测更是其重中之重,是储层描述和油藏评价的重要内容。储层表征作为获取储层岩相及其物性参数的关键手段,如何更精准的进行储层表征成为一个挑战。地质统计学是近年新兴的一种储层模拟手段,其优势之一就是可以结合多元信息进行储层刻画,即联合井数据和地震数据联合表征。常规的基于井数据的储层表征难以对井间区域进行约束,因此,很有必要在模拟过程中引入地震信息。问题的关键在于如何获取可信的,具有高精度的地震信息以及如何将地震信息融入到模拟过程中。本文首先研究了如何获取高精度可信赖的地震信息的方法。针对传统贝叶斯方法的缺陷,提出使用概率神经网络（PNN）。该方法不仅可以获得可信赖的预测结果,同时,还可以获得预测结果的后验概率;该后验概率不仅可以作为结果的不确定性评价的依据,还可以作为原始资料融入到多点地质统计学建模过程中,为井间区域的模拟提供约束。论文的核心是储层预测。本文通过比较两点与多点地质统计学,选择多点地质统计学方法作为工具。多点地质统计学考虑储层结构中多个点间的关系对地下储层进行刻画。IMPALA算法相比于经典SNESIM算法,用列表替代搜索树,使用更少的储存空间,允许对多相的模拟。采用多重网格技术实现多尺度结构的模拟,采用Tau模型方法实现井震联合约束,相比于单一的井约束,模拟结果的稳定性大大增强,随机性降低。