目前,随着AVO理论的不断完善和发展,特别是叠前同步三参数(纵波速度、横波速度、密度)反演技术的成熟,可以由三参数剖面通过岩石物理关系式直接获得其它的流体属性参数,流体参数集种类繁多,对流体的可识别性也不一样,因此很难根据实际情况选择合适的流体属性参数。因此很有必要开展基于多参数流体识别技术的系统研究。本文主要在岩石物理理论分析的基础上,研究了岩石在含有不同流体时属性集参数的变化特征。针对众多参数在不同介质中表现出的特点,参照定量交会法选择对目的层较高敏感参数,再利用交会图法验证、分析参数敏感性。最后研究了基于BP神经网络流体识别方法,利用Castagna和Smith模型比较、分析敏感性参数识别效果。岩石物理理论是联系油藏特性参数与地震数据的桥梁,也是地球物理资料的正反演计算和流体识别综合解释所必须的。本文介绍了岩石物理理论的基础知识以及弹性参数的影响因素,分别介绍了两种常用的双相介质与岩石物理有关的基础理论公式,研究了密度、纵横波速度随流体饱和度的变化,并且比较了不同公式在不同流体、饱和度和孔隙度中流体性质的差异。针对目前地震资料处理中提取的参数较多,参数的权重和作用变化较大等问题,参照一种定量交会技术选择敏感性参数,再利用交会图法比较、验证参数敏感度,避免低敏感性参数参与预测而引起多解性和不确定性,完善多参数分析及应用技术。研究基于BP神经网络模式识别技术,利用文章前期选择好的敏感性参数,作为网络输入,比较、分析敏感性参数作为输入集优越性。建立敏感参数与各储层信息之间的联系,从而进行储层的横向预测。最后,在理论研究和分析的基础上,紧密联系油田生产实践,以国内某地区实际井资料为研究实例,利用交会图法验证、识别储层流体类型,并用神经网络技术对未知储层流体进行识别及预测。