本论文是在湖北省自然科学基金项目“不确定性系统预测方法在鄂石油勘探开发中的应用研究”(编号：鄂99j007)和中南石油局局控项目“人工神经网络在江汉盆地西南缘油气勘查中的应用研究”(编号：95-01-09)合作研究的基础上完成的。人工神经网络是由大量神经元通过极其丰富的联接而构成的一种信息处理系统。它具有高度的非线性映射能力和大规模并行处理、分布式存储、自组织、自学习、自适应等特点，特别适合于不确定性系统的信息处理问题。石油勘探开发是一个涉及面广、不确定因素多、风险值高的复杂系统。人工神经网络的引入，不仅为石油科学研究增添了新理论、新方法，也为勘探开发决策分析提供了有力工具。 本文从人工神经网络的基本理论和模型入手，着重论述了人工神经网络用于石油勘探开发中油层识别与储层追踪的方法和途径。全文共分为四个章节。第一章是绪论部分，概述了人工神经网络的基本特征，发展历史及其在石油勘探开发中的应用领域等问题。第二章是人工神经网络的基本原理部分，主要论述了人工神经网络的结构框架、互连模式、学习方式和学习规则，这是我们进行神经网络设计的理论基础。本文的第三章介绍了本课题中用到的两种人工神经网络模型：前向网络(BP网络)和自组织特征映射网络(SOM网络)。其中，BP网络主要用于函数逼近，而SOM网络主要用于模式分类。第四章是本文的重点，详细讨论了人工神经网络在江汉盆地西南缘谢凤桥构造地区两方面的应用：油层识别和储层追踪。文中就训练样本的选择，网络结构和参数的设计，BP网络与SOM网络的结合等问题作了深入分析，并给出了网络油层识别和储层追踪的结果。 人工神经网络在谢凤桥构造地区油气勘查中的应用研究表明：人工神经网络方法具有常规解释方法无法替代的功能，是一种在油气勘查中值得推广的智能化新技术。它极大地克服了常规方法基于均质理论、线性假设和统计经验给储层参数解释带来的不适应性；避免了复杂的数学建模；其记忆联想式的预测功能在很大程度上降低了人为因素对解释结论的影响，更客观地反映了样本模型的数字特征。人工神经网络方法的引入对提高江汉盆地西南缘地区的油气产量，降低开采风险具有重要意义。