本文以神经网络理论为基础，以油田三元复合驱系统为应用背景，基于神经网络建立三元复合驱系统岩电关系的非线性数学模型。 目前我国大多数注水开发油田进入后期开采，从已开发油田增加产量和提高采收率已经是当务之急。油层内剩余油的分布很复杂，而搞清油层内剩余油的分布规律和分布类型又是决定和选择开采这些剩余油方法的关键。决定剩余油分布的主要指标是含油饱和度。但由于含油饱和度很难直接测量，因此只能通过测量岩层的电阻率来确定含油饱和度。这就需要研究电阻率与含油饱和度之间的关系。现有的工程方法较粗糙，不能很好的满足精度要求，本文应用神经网络理论，并将最优化方法应用于神经网络权值的学习，建立了电阻率与含油饱和度之间关系的数学模型。 对于多层前馈网络的权值的计算，人们多采用基于梯度下降方向搜索的误差反向传播(EBP)算法。然而，EBP算法的缺点是学习速度慢，要得到对系统满意的逼近往往需要许多步，甚至很难达到希望的精度。本文将最优化方法中的Levenberg-Marquardt法及变尺度法应用于神经网络权值的学习，并采用抛物线插值法对学习步长η进行一维搜索。这两种方法具有较快的收敛速度和良好的收敛精度，能够很好的逼近系统，适用于本文所讨论的非线性系统的建模与辨识。研究结果表明该方法收敛速度快，建立的模型精度高。