深层砂砾岩是重要的油气勘探目标,但这类储层岩性复杂,岩相变化快,埋藏深,岩石骨架对电阻率影响大,因此常规测井识别岩性非常困难。地层微电阻率扫描测井(FMI)的分辨率非常高,可以区分0.5cm的砾石,被称为“地层显微镜”。成像数据生成图像后,可以与取心照片进行对比,而且更加直观和具有连续性。因此广泛用于识别岩性、裂缝、孔隙等,对于研究沉积环境、地层构造具有很大的优势。人工神经网络(Artificial Neural Networks)是近年来人们广泛关注的一门学科,结合生物学、数学模型和计算机算法,模拟大脑处理问题的思维,解决实际应用的数据处理问题,取得了巨大的成功。人工神经网络具有很强的容错性、自适应性及联想记忆等特点,用于岩性的识别和预测是可行的。本文的主要内容是利用成像测井识别砂砾岩岩性,首先研究成像测井的静态图像,掌握研究区内的各种砂砾岩的岩性特征,总结成像模式;然后利用数字图像处理技术,对图像进行预处理和特征提取;最后研究人工神经网络常用的模型BP网、Hopfield网及SOFM网的网络结构和算法流程,论述了人工神经网络识别岩性的过程。通过MATLAB编程,主要采用BP算法进行砂砾岩的岩性识别,取得了很好的效果。