岩性是测井解释研究的基础,柴达木盆地YD油田存在着录井岩性严重错位、薄厚不准确;存在着大量在测井响应特征不明显的泥质粉砂岩,砂质泥岩,粉砂质泥岩三类中间岩性;以及在此之前本地区没有对岩性识别进行方法研究等问题。导致YD油田进行测井精细解释研究难以开展。本文将利用岩心岩性结合测井资料在基于主成成分分析的BP神经网络方法下识别本地区岩性。选取自然电位（SP）、自然伽马（GR）、补偿中子（CNL）、密度（DEN）、深侧向电阻率（LLD）、和声波时差（AC）、感应电阻率（HT09）,7个变量作为主成分分析的原始输入数据,得到三个主成分PCA₁、PCA₂、PCA₃,三者积累贡献率达到84.256%。将三个主成分作为BP神经网络的输入神经元,建立PAC-BP模型。通过PAC-BP模型与原始7个变量作为输入神经元所建立的传统BP网络模型进行对比得出,PAC-BP模型不仅简化了网络结构,而且加快了网络的收敛速度,提高了识别的精度,也更适用于本地区岩性识别。