随着能源经济的发展，石油的勘探、开发的迅速发展，测井技术在石油勘探开发中处于举足轻重的地位。石油测井高新技术多，决定了其信息复杂性和繁杂性的特点，常规的测井数据解释方法单一，人的经验在测井解释分析中占有很大比例，特别是针对复杂地质地形，例如低孔、低渗非均质性的储层，用常规的解释方法进行含油性评价，结果往往不是很理想，所以要解决面临的问题，应该采取适当的数学方法，建立测井响应值和地质参数之间的数学关系，即建立合理的解释模型。　　 论文首先阐述了石油测井解释的基础知识，包括分析解释过程中的相关参数及储层分层分析等。接下来，重点诠释了模糊神经网络以及针对测井数据分析改进的FBP 神经网络，针对改进的FBP 神经网络算法，分别将其运用到测井数据处理过程中，分别给出了模型建构、样本学习、网络训练的过程进行计算测井数据的孔隙度和渗透率，以及储集层分层，最后通过设计的测井解释系统，给出预测结果和对比结果。　　 实验结果表明，作为一种非线性方法进行数据处理，人工神经网络更好的反映了储集层地质参数和实际地层特征，另外，用VisuAlC++开发的测井解释系统，具有能够单机运行、设计操作简单、功能灵活的特点，能够方便的进行各种小型测井数据处理工作，也可嵌入大型石油地质软件中，能够很好的进行石油数据处理工作。　　 论文的主要工作与贡献有：　　 1、研究了测井解释的基本原理和方法，完成了对孔隙度、渗透率和饱和度等重要参数的定义和计算；　　 2、阐述了FBP 模糊神经网络，首次将模糊神经网络运用到测井数据解释中，针对测井数据的特点，改进了FBP算法，实现了运用NFBP 神经网络进行储集层含油（气）性分层工作；　　 3、自行设计完成了一个可进行计算孔隙度和渗透率，及储集层分层的单机测井数据解释系统，并且能够验证神经网络算法在测井数据解释中的有效性。