本论文简单介绍了人工神经网络的基础知识，然后分别叙述了两个神经网络模型——自组织特征映射(SOM)神经网络模型和基于误差反传(BP)算法的多层前馈网络模型在石油工业中的应用。其中，在自组织特征映射(SOM)神经网络部分，我们以该网络的学习算法为基础，结合MATLAB神经网络工具箱函数，通过编程对山东胜利油田的原始地震数据进行了模式聚类，并且与该地区实际的砂体岩性进行标定，最后针对油类的标定比例达到了81.8％。基于误差反传(BP)算法的多层前馈网络模型采用有导师学习方式，我们所开展工作的第二部分就是将BP网络应用于地震岩性预测，其中将已知的井的属性资料作为网络的训练样本，以训练区真正的岩性资料作为网络的目标信号(导师信号)，对网络进行训练。然后把整个地区的属性数据作为网络仿真数据，得到训练地区的岩性预测结果。最后，将岩性预测结果与实际岩性分布进行对比，达到75％的符合率。这两种网络模型在石油工业中得到了成功的应用，为SOM网络和BP网络的应用开辟了一片新的领域，也为石油工业的地震属性聚类与岩性预测提供了一种行之有效的研究方法。