在油气勘探开发领域的储层识别研究中，神经网络模式识别技术是一种有效的工具．误差反向传播(BP)神经网络作为目前神经网络中最成熟，应用最广泛的网络模型，具有很强的非线性映射能力和柔性的网络结构，但同时也存在学习算法收敛慢，易于陷入局部极小的缺点。本文在深入分析了传统BP神经网络储层判识的具体结构、常见改进的优缺点后，根据神经网络的逼近原理，提出了一种基于数据预处理的BP神经网络储层识别方法。同时针对储层识别软件实现中数据集成访问的具体特点，设计了一种异构数据集成的优化方案。因此本文的主要工作如下： 1)将修匀数学思想引入神经网络预处理过程，根据先验观点和储层识别的具体情况，对训练样本数据进行优化处理，预处理后样本空间中的目标函数具有更好的网络逼近性，可以加快收敛速度，减少陷入局部最小的几率。 2)结合移动加权平均方法，提出了预处理的三个设计原则及相应的数学处理规则即：单调性保证、适当近邻点选取及加权函数设计规则。遵循这些规则实现了具体算法和程序，通过实验证明该方法使网络具有简单、高效、学习速度快的优点，能极大提高识别速度和预测精度。 3)在使用VC++语言进行神经网络储层识别软件的开发中，以Mediator/Wrapper模式为基础，结合数据仓库思想，提出了一种异构数据集成的优化方案。该方案基于XML和元数据设计查询构造、解析搜索及缓存等模块，以优化系统查询性能。对于解决数据库规模大且更新不频繁，文件系统数据源较小且分散，用户关注参数集中，查询效率有要求的信息系统集成问题，该方案有明显的优势。