本文包括了人工神经网络的基本原理、模型以及在地球物理反演中的应用。该技术在胜利油田的实际应用中取得了很好的结果，是油气勘探与开发的强有力的工具。研究工作主要包括以下几个方面。 1、基于多地震属性、测井资料，用多变量回归算法成功地对胜利油田Ken-71地区的拟测井参数做出了预测。本计算采用了Daniel P Hampson提出的将多变量回归权重系数推广为具有一定时间长度的褶积算子，使预测结果的分辨率获得提高。文中对该方法提高分辨率的原理做了详细的讨论，并给出了该算法在胜利油田ken-71地区采用常规地面地震数据和测井数据预测得到的目标区域的拟孔隙度参数的分布，结果显示使用该方法可使深度分辨率达到8-10米。 2、首次用基于多地震属性的人工智能岩性识别与预测技术对胜利油田Ken-71地区的岩性进行了预测，在几口井位处与测井的结果平均符合率在70％以上。在反演计算中首次采用了多地震属性直接跟测井资料的解释结果进行标定，来预测岩性以及砂体分布，即采用与预测目标紧密相关的几种地震属性参数，通过人工神经网络来建立他们的联系，通过已经训练好的网络直接计算或映射出整个勘探目标区域的分布。 3、基于含烃类物质对地震波的非弹性吸收的地球物理机制，提出“小波变换频谱联合反演技术”，在胜利油田Ken-71地区获得成功，符合率平均达到70％，并已初步形成应用技术。本文通过小波变换获得井旁地震道的精确的频率谱随时间(深度)的分布，然后用神经网络对测井资料、岩心数据和频谱(不是单一频率)进行标定，通过标定好的神经网络对整个目标区域做出预测结果，该技术可以最大程度地集成地震数据信息，实现更高精度的油藏预测。该技术是自主创新的研究成果，是颇具潜力的油藏识别与预测技术。