随着油田勘探开发程度的不断提高，要找到有利的油气聚集带和开发阶段提高采收率，都必须进行储层沉积相分析。测井资料是沉积相分析中的重要手段，传统的分析方法多属于定性分析，其结果受人为因素的影响较大，随着测井学科及计算机技术的不断发展，测井资料沉积相定量化识别逐渐发展起来，现已成为现代沉积学研究的重要内容。 论文通过从测井曲线中提取反映沉积相特征的曲线形态参数，以及神经网络识别方法研究，结合数据库技术，形成了一套具有一定特色的测井沉积相分析方法，本研究具有选题新、实用性强等特点。 论文研究的主要内容有以下几个方面： 1．通过对曲线分层方法的研究，找到一种利用对称差斜率结合趋势码对测井曲线分层的方法，具有很好的分层效果。 2．通过合理的数学算法将测井曲线中反映沉积环境的曲线形态参数数字化，从传统的定性分析转变为定量化分析，继承了传统定性分析的思路方法，又适合计算机处理大量数据的要求。 3．建立自组织神经网络模型对沉积相进行识别。自组织神经网络是一种无导师学习网络模型，通过对样本的学习，网络对某种类型的样本产生自然的特征映射，从而达到自动识别的目的。 4．针对人工管理数据效率低下这一状况，建立起一套测井沉积相管理及分析处理软件系统，通过对涩北地区测井沉积相分析，取得了较好的效果。