页岩已经成为非常规油气勘探的研究热点。为页岩储层描述提供准确丰富的参数有重要意义。使用地震数据准确地识别岩性和流体属性是储层描述的基础,但不同岩性存在参数重叠问题。基于贝叶斯理论的岩性识别可解决该问题。考虑到地下介质的连续性,可使用马尔可夫(Markov)随机链和随机场提供先验信息,提高岩性识别的准确性。使用地震数据进行储层参数反演则更加复杂,需要构建岩石物理模型来建立储层物性参数和各向异性参数间的联系,然后使用地震反演得到的弹性参数反演储层参数。但地震数据存在噪音,岩石物理模型无法准确地描述地下介质,反演过程存在着不确定性。本文通过统计岩石物理模型建立储层物性参数与弹性参数的定量关系,使用测井数据及井中岩石物理反演结果作为先验信息,将地震阻抗数据定量解释为储层物性参数、各向异性参数的空间分布。反演过程在贝叶斯框架下求得储层参数的后验概率密度函数,并从中得到参数的最优估计值及其不确定性的定量描述。在此过程中综合考虑了岩石物理模型对复杂地下介质的描述偏差和地震数据中噪声对反演不确定性的影响。在求取最大后验概率过程中使用模拟退火优化粒子群算法以提高收敛速度和计算准确性。将统计岩石物理技术应用于龙马溪组页岩气储层,得到储层泥质含量、压实指数、孔隙度、裂缝密度等物性参数,以及各向异性参数的空间分布及相应的不确定性估计,为页岩气储层的定量描述提供依据。针对含裂缝的页岩储层复杂的矿物组分与微观结构,本文首先介绍了应用自相容等效介质模型与Chapman多尺度孔隙系统模型建立的裂缝型页岩双孔隙系统岩石物理模型。考虑到页岩压实和裂缝对各向异性的影响,又构建了使用页岩压实模型和Chapman模型的各向异性页岩岩石物理模型,以准确地模拟页岩各向异性。作为贝叶斯理论的扩展,粒子滤波方法是一种递推贝叶斯估计方法。粒子滤波适用于非线性、非高斯问题,目前在参数估计、目标跟踪等领域得到广泛应用,在地球物理领域应用较少。本文提出了基于岩石物理模型和粒子滤波方法的横波速度预测方法。建立了适用于页岩横波速度预测的粒子滤波系统模型,使用该模型对实际测井资料进行计算,并对算法提升和参数选择做出分析。与传统反演方法对比,粒子滤波方法具有对先验准确性要求低、反演速度快、反演精度高、可提升空间大的优点。粒子滤波方法也被应用到页岩各向异性参数反演中。作为对比,首先使用了模拟退火优化粒子群算法及双孔隙系统模型,在反演过程中加入平滑约束项以减少多解性。然后建立了基于岩石物理模型和粒子滤波方法的页岩储层物性参数及各向异性参数反演方法,通过加入未知参数的先验信息,避免了多解性,使结果更加准确。将这两种方法同样应用于龙马溪组页岩气储层,反演得到的物性参数和各向异性参数与已有研究结果相一致,能为页岩储层评价提供多元化的信息。