油气是在岩石的孔隙中存储和流动的,因此岩石孔隙的大小、形状、连通状况和发育程度,也就是说孔隙结构直接影响到油气的储集量和油气的产能,孔隙结构是研究岩石的物性和储集性的基础。不同孔隙结构的岩石,具有不同的“四性”关系。近年来,人们对低孔低渗砂岩储层进行了孔隙结构及其分类的研究,有利地支持此类油气藏的勘探开发。但是火成岩储层的孔隙结构十分复杂,缝、孔、洞交织在一起,非均质性强烈,于是在火成岩储层上进行储层分类评价十分有必要。目前国内外油气工作者们已经开始关注火成岩这一类特殊储集层上。本文从毛管压力曲线形状入手,首先将岩心毛管压力曲线互相对比,根据其形状的不同进行了分类,每一类的毛管压力曲线代表一类储层。依据该分类结果,建立与对应的测井数据样本,使用自组织神经网络对常规曲线进行储层分类。并依据不同类别,分别建立了“四性”关系,尤其是分类提取了a,m,b,n,等岩电参数,分类建立了孔隙度和渗透率的关系。这样大大提高了这些参数间关系的精度。对于孔隙结构十分复杂的火成岩储层理论和实践意义很大。由于实验室获得毛管压力曲线数据的成本较高,并且受取芯数量的限制,深度上不连续。为此,本文利用适合于火成岩储层的相似对比法构造出了连续“伪”毛管压力曲线的方法,并利用自组织神经网络建立了伪毛管压力曲线与储层类别的关系。在具有核磁测井资料的井中,将逐个深度对应的T2谱转化成“伪”毛管压力曲线,从而获得了随深度连续变化的毛管压力曲线。进一步基于这种曲线的形态获得自动储层分类剖面。论文最后对实际资料进行了处理,获得了储层分类剖面以及按分类关系获得的储层参数。