当前，随着AVO（Amplitude Variation with Offset）技术的不断发展与完善，尤其是叠前同步三参数（纵波速度、横波速度、密度）反演技术的成熟发展，可以通过三参数剖面直接由岩石物理关系式求取其它的流体属性集成员，由于用于流体识别的参数较多，且各个参数识别效果不同，因此在选择流体识别参数时，如何选择高敏感性参数，是储层预测关键步骤之一。本文介绍了岩石物理学基本理论以及各个弹性参数，研究了地震波在双向介质中的传播规律，阐述了两种有效介质理论，然后利用定量交会图技术，先计算出弹性参数的流体识别系数，根据流体识别系数对多参数进行筛选后，优选出高敏感性参数，用于流体识别。接着，应用神经网络模式识别技术对流体进行识别，最后利用Castagna和Smith模型与实际模型对流体进行识别。由于从地震资料中提取的参数比较多，利用定量交会的方法优选出对储层流体较敏感的参数，将优选出的高敏感性参数用于流体识别，不仅可以避免使用低敏感性参数进行流体识别和储层预测引起的不确定性和多解性，而且还大大提高了多参数流体识别的效率。在进行流体识别分析时，可以看出，一维、二维交会都能够较为明显的将目的储层分离出来，特别是三维参数交会分析能更好的区分各个储层。以BP神经网络模式识别技术为基础，利用文章前期通过定量交会技术优选出的敏感性参数作为神经网络的输入集，与以速度密度作为输入集的识别效果进行比较与分析，突显出了敏感性参数作为输入集的优越性。最后，基于理论研究和分析，与油田生产实践紧密相连，以胜利油田地区某井资料为实例进行研究，先通过交会图法进行验证，识别储层流体的类型，再用BP神经网络模式识别技术对未知地区的储层流体进行识别。