我国油田经过一次、二次采油后,加强剩余油参数预测的研究,对提高石油采收率不仅有着可观的经济效应,而且关系到国家石油战略的安全。探索油田剩余油参数预测的高效、可靠的信息处理方法具有重要的理论意义和实用价值。在针对石油的相关研究中,剩余油研究占据着非常重要的地位。本文应用BP神经网络算法,建立有效的神经网络模型,对剩余油的孔隙度及渗透率参数预测问题进行了研究。论文首先针对油田实际数据进行数据预处理,主要包含数据归一化方法的讨论及方法的确定;然后利用BP神经网络方法,应用MATLAB软件进行编程仿真及分析。论文利用某油田实际生产数据作为输入数据,在油层深度与孔隙度、渗透率参数之间建立了非线性映射关系,以此来预测该油区范围内的油层参数。仿真实验表明,文中给出的剩余油参数预测的方法准确度较高,方法是有效的。