储层参数(孔隙度和渗透率等)分布规律和储层非均质性研究是油气藏描述的核心，是油层评价的重要依据，储层参数预测在油气勘探开发中具有重要意义，本文对储层特性的研究主要是对储层的物性参数(孔隙度、渗透率等)进行预测。 地震勘探是寻找和判别岩性油气藏的重要方法，地震反演技术一直是地震勘探中的一项核心技术，其目的是利用地震反射资料，反推地下的波阻抗或速度的分布，估算储层参数，并进行储层预测和油藏描述，为油气勘探提供可靠的基础资料。地震波的特征参数(地震属性)，反映地震波的几何形态、运动学特征、动力学特征和统计学特征，如波的传播速度、波的振幅、频率及相位等，提取这些地震属性，分析、研究并解释这些与储层有关的地震属性，是利用地震资料预测油气的根本所在。 复杂岩性的储层参数与地球物理测井测量参数间的响应关系十分复杂，而且这种复杂关系往往是很难用数学关系式来直接进行表达。人工神经网络作为一门新兴的非线性的科学，具有很强的非线性映射能力。近年来，神经网络的理论研究和实际应用得到了很大的发展，在很多领域得到了大量的应用，也促进了神经网络的发展。同时，这些领域也对神经网络技术提出了更高的要求。由于小波模糊神经网络储层参数预测方法，其准确性和泛化能力都有所提高，对参数独立性要求不严格，而且可以同时研究大量的地震特征参数，因而在储层参数预测中具有广阔的应用前景。 本文概述了小波分析，模糊理论的原理，介绍了小波模糊神经网络方法在预测模型中的应用，学习和研究了小波模糊神经网络的数学模型和学习算法，结合地震资料处理数据，采用小波模糊神经网络的非线性预测方法，来预测储层的参数。并将该方法用于新疆某地区泥盆系东河砂岩段储层，经过分析比较，该方法具有很好的可行性。从实际结果来看，该方法可以客观地、有效地获取储层的参数估计值。BP神经网络是一种传统的用于储层预测的非线性方法，将本文小波模糊神经网络的预测结果与引入遗传算法与BP神经网络相结合的GA-BP网络进行了比较，通过对网络进行学习训练，最终建立起适应研究区块的分层段测井解释模型，通过实例验证结果及精度均令人满意。