岩性分析是研究沉积环境、 进行矿产勘探和评价的重要问题。 由于同一沉积环境中某类岩 
性的地层， 一般都具有一组特定的参数值 ， 因此可用测井资料将整个钻井剖面的地层划分为若 
干个具有地质意义的测井相 ， 用以反映沉积岩岩性特征， 并能将不同岩性的沉积岩区分开的一 
组测井参数值 ， 确定它们的岩性。  
应用测井资料进行岩性分析， 改变了以往成本高， 时效低， 用岩心、 岩屑录井的传统作法。  
针对如何快速 、 准确、 自动地进行分层和岩性分析， 许多学者都进行了研究u  ] ， 并编制了相应 
的计算软件。 但由于需要较多的计算环节和已知资料 ， 方法仍未达到理想结果。 主要有两大难 
点： 一是测井参数较多， 数据量大， 影响了计算速度和精度； 二是不同的井各类测井相与地层岩 
性的对应关系复杂， 很难用几个统一的特征模型来描述它们， 增加了识别的难度 
对此 ， 笔者利用瓦尔什变换形成矩形波的特点 ， 将测井曲线进行瓦尔什低通滤波， 变换成 
规则的矩形化 曲线， 进行分层。然后利用人工神经网络“ 自学 习” 的特点， 选择性能稳定的反向 
传播 神经 网络 ， 经过适当 的训练和学 习 ， 完 成岩性识 别 。