油气地球化学勘探,主要是通过各种检测手段在浅部介质中,发现由地下深部油气藏中的烃类微渗漏引起的各种痕量地球化学指标异常,来寻找油气资源的一种经济、快速的勘探方法。传统的技术路线主要是先对各化探指标及其相互之间的关系进行多元统计分析,得出背景值及异常值,圈出异常的范围及位置,然后对各指标的异常进行综合叠加分析,最后结合地质、地球物理等资料对油气藏综合预测。该方法在油气化探应用中比较成熟,但是它存在多解性。为此本论文试图采用神经网络模式识别非线性技术,从另外一个角度把地质、地球化学、地球物理等资料统一到一个神经网络模型当中,对油气藏进行综合预测。神经网络具有很好的自学习性、自组织性、自适应性、鲁棒性、泛化能力,能够解决复杂的非线性问题。神经网络技术在地质、重力、磁法、电法及地震勘探中有着广泛的应用。论文依托国家863计划资源环境领域探索性课题“高精度重磁电震联合反演技术研究”中的“复杂油气田地球化学信息识别与预测技术研究”项目。论文首先论述了神经网络及其在油气勘探开发上的研究现状;其次从基于MATLAB的神经网络原理出发,详细介绍了神经网络的内部设计,并且归纳总结了几种BP神经网络改进算法的原理、应用范围、参数设置等;然后结合胜利油田花沟地区的化探资料,通过43口已知井的类别(甲烷井、二氧化碳井、混合井、一般井),采用梯度下降动量算法,经过多次的学习训练,确定合理的参数,建立一个正确的BP神经网络模型,并用这个模型对该地区的840个化探样品进行分类预测,根据预测结果对该区域的油气藏进行综合解释评价;最后,结合对原有的化探结果和神经网络预测结果进行对比分析。从预测结果来看,把840个样品分成五类:甲烷、二氧化碳、混合、一般、预测失败。由于预测失败类别占很小一部分,基本不影响结果,可见,文中所建的神经网络模型是比较合理、正确的,预测结果与原有的地质资料基本吻合。并且利用该模型对几个新的未知区域进行了预测,很好的补充了原有的资料。而且还应对这几个区域,特别是二氧化碳和混合井区域,进行重点研究。因此该模型可用于其他类似地区的预测。