随着计算机技术的快速发展，人们对油田勘探开发水平的要求越来越高，对各种勘探开发数据的综合性的利用也有了更多的需要。通过对开发地质中涉及的地质、测井等多学科探测数据综合利用、以及与油藏开发定性知识的融合研究，以提高对油藏的认识水平和油气产量一直是石油工作者的重要研究课题。本文以沉积微相识别与水淹层识别为应用背景，将油田中的定量数值信息与定性知识相结合，依据云模型的信息转换机制，对混合信息的融合模型和推理方法等问题展开研究。通过云模型对识别问题中涉及到的定量与定性的信息进行相互转换，建立定性与定量的信息融合模型；通过逆向云变换将输入的定量信息转换成定性概念，建立系统的输入特征与结果的对应关系，然后将定性的概念表示为神经元，利用神经网络的学习的性质对问题进行推理分析，建立起基于逆向云变换的混合推理神经网络，并给出基于遗传算法的优化算法；通过正向云变换算法将定性概念转换成定量信息，然后将结果作为神经网络的输入，建立起基于正向云变换的混合计算神经网络，并使用一种云变异的粒子群算法对网络进行优化求解。本课题通过对能够识别沉积微相与水淹层的要素数据入手，对多源数据分析方法、模型和技术进行了研究，并将研究成果应用于实际资料处理，取得了较好的实验结果，验证了模型和方法的有效性。