本文将非线性学习理论应用到非常规储层基本参数的测井评价中，开展了煤体结构、煤层含气量和页岩储层岩性、页岩总有机碳(TOC)含量测井预测评价研究。在对煤层气储层和页岩气储层测井响应的基础上，分析了煤体结构、煤层含气量、页岩储层岩性、页岩TOC含量与测井曲线之间的关系。结合研究区岩心及实验资料，建立了BP神经网络和SVM分类模型；建立了煤层含气量的BP人工神经网络和多项式预测模型；通过交叉验证和网格搜索算法建立了基于结构最优的支持向量机页岩气储层岩性预测模型，针对样本不平衡问题，引入惩罚参数c、提出增加小样本权系数的解决办法；通过改进的BP算法和SVM回归算法，建立了BP人工神经网络和支持向量机预测模型，并对应用效果进行了误差分析。结果表明：非线性理论具有极强的非线性逼近能力，能真实反映非常规储层与测井参数之间的关系，预测结果与实测值之间误差小，取得了较好的应用效果。