碳酸盐岩储层是重要的油气储集类型,白云岩储层和灰岩储层的储集性能有明显差异。目前,白云岩储层探明当量占世界已探明碳酸盐岩油气储量的80%。因此,针对白云岩储层的岩性识别具有重要意义。然而,常规方法区分白云岩和灰岩效率低,难度大。ASD扫描仪作为便携式地物光谱仪,可以快速准确地采集碳酸盐岩岩石样本的光谱曲线数据,使得基于光谱曲线识别岩性成为可能。本文利用碳酸盐岩的ASD光谱曲线数据,研究碳酸盐岩光谱曲线与其岩性之间的关系,构建基于光谱曲线的碳酸盐岩岩性识别模型,为碳酸盐岩岩性识别提供一种信息化手段和方法。本文开展了基于光谱分析的碳酸盐岩岩性识别模型构建方法研究,建立了岩石样本的近红外光谱和岩石成分的关系。论文以实测得到的碳酸盐岩岩石样本的ASD高光谱数据为基础,利用线性模型和非线性模型开展碳酸盐岩岩石成分和岩性预测。主要研究工作及取得的成果包括:（1）基于线性模型的碳酸盐岩岩性预测。使用多元线性回归模型、主成分回归、偏最小二乘回归和逐步回归模型等四种线性模型分别建立了碳酸盐岩的岩性识别模型,并结合具体模型分析了不同的数据预处理方式、不同的光谱曲线采样间隔、模型中自定义的成分数量等多种因素对线性模型预测结果的影响,以期揭示不同的线性建模对预测结果的影响机制。（2）基于非线性模型的碳酸盐岩岩性识别模型。以白云岩为研究对象,使用神经网络模型作为非线性岩性识别模型,分别将原始光谱信号和成分信息作为建模的输入信息和输出信息。论文研究了神经网络模型对模型预测效果的影响,并使用实测岩石样本的ASD数据完成了建模工作,最后对模型的预测结果作出精度评价。（3）将线性模型和非线性模型结合,提出了一种改进的基于ASD光谱的碳酸盐岩岩性识别模型。首先对原光谱数据进行主成分分析,得到多个主成分分量作为神经网络模型的输入;然后利用训练样本、测试样本和检验样本进行神经网络模型训练,得到一种改进的非线性碳酸盐岩岩性识别模型。与改进前的模型预测结果对比,改进后的模型识别准确率大幅提高。本文使用ASD高光谱数据建立了碳酸盐岩岩性识别模型,为利用光谱曲线特征区分灰岩和白云岩提供了一种有效方法,为区域地质勘探中碳酸盐岩岩性的识别提供了依据,对于油气勘探开发及地质勘探具有一定的实际意义和应用价值。