岩性识别在储层评价和油藏描述等方面是一项重要的工作，它是求解储层参数的依据，精确的岩性识别结果能为油气资源的勘探与开发提供重要的保障。在野外的实测剖面中，可以容易地观测到岩性的变化情况进行岩性识别，但是在钻井中若想取得岩性的实际变化情况需要进行连续的取芯，然而钻井取芯由于成本过高的缺点不适合整段与长距离的实施，所以在钻井中寻求一种成本低、准确率高的岩性识别方法是研究的必然性。　　本文通过对多种方法、多种数据融合的研究，在前人研究岩性识别技术的基础上，综合分析了各种方法之间的不同，实现了储层岩性的精细识别与物性的识别，为有效的利用测井信息进行测井数据解释提供了新的思路和方法。　　首先，本文在分析研究测井资料的基础上，以Matlab为平台研究了标准BP神经网络和基于主成分分析改进的BP神经网络，并以济阳坳陷若干口井中非常规储层实际测井资料为样本，通过设计算法步骤进行了实验仿真。由仿真结果得出非常规储层岩性识别率分别为81％和88％，改进的BP神经网络有效的提高了识别率和运行速度。　　其次，运用多元统计方法，研究了层次聚类分析、K均值聚类分析和判别分析，进行了非常规储层岩性识别的研究。结果表明，聚类分析在岩性识别方面不是很理想，只能够大体的划分出岩性界线，而判别分析能够根据距离判别，准确的判别出待识别样品的类别。　　最后，综合几种岩性识别方法，分别研究了基于录井资料、岩石薄片鉴定结果、X衍射分析结果的岩性精细识别和物性识别，达到了能够通过测井数据识别出储层的矿物组分相对含量和物性参数的目的。　　通过综合分析比较，结果表明神经网络技术、PCA降维技术、聚类分析及判别分析在岩性识别上的应用均是可行的，不仅能够挖掘出测井曲线的特征信息，还具有较高的识别率和泛化能力。经过对济阳坳陷若干口井的岩性识别表明，本文所研究的岩性精细识别方法是可行并具有实用价值的。