常规应用Archie公式计算含水饱和度的方法在进行复杂、非常规储层评价时适用性较差。电频谱测井可以获取更为丰富的储层信息,在评价复杂油气藏时更具优势。应用电频谱测井资料进行储层评价的重要前提是建立有效的复电阻率频散模型。目前常见的岩石复电阻率频散模型大多是基于等效电路建立,不能进行饱和度的定量评价且等效电路中的元件物理意义不够明确。若研究更为复杂的频散模型需要弄清楚岩石微观频散机理,但采用人工智能的方法建模则可以有效规避这个问题。所以本文的研究重点就是基于人工智能方法实现复电阻率频谱曲线自动生成模型,为未来电频谱测井新方法的资料反演提供正演模型。本文采用实验室测量的电频谱数据作为数据集,使用神经网络建立了电频谱曲线自动生成模型。该模型以岩石物理参数（孔隙度、矿化度、含水饱和度）作为输入,七个不同频率点的复电阻率实部和虚部分别作为输出,建立了岩石物性参数和复电阻率之间的关系。模型可根据岩石物性参数预测岩石实部和虚部的电频谱曲线。通过分析模型的预测结果发现,预测电频谱曲线与实验室测量结果一致性较强,证实了基于神经网络建立的岩石电频谱曲线自动生成模型具有一定的可行性和实用性。