煤层气是赋存在煤层中以甲烷为主要成分的烃类气体,属非常规天然气,是近二十年国际上崛起的新型清洁、优质能源。本文以地球物理测井数据为基础,通过利用多元统计分析和人工智能算法设计煤层气储层参数测井解释模型;进而,运用该模型实现了煤层气储层参数的智能化解释和解释成果的三维可视化。本研究探索了较难获取的煤层气储层参数测井定量化解释方法,对于煤层气储层的定量化表征和高效开发具有重要意义。基于研究的煤层气储层测井智能解释算法,本文以沁水盆地南部某大型煤层气田为试验区,从测井数据的分析、处理、解释、应用等层面展开研究,完成了煤层气储层测井智能化解释模型的构建、应用及解释成果的三维空间表达。取得的主要研究成果有:(1)针对煤层气储层测井数据的特点,在对其分布特征、自相关性进行研究的基础上,设计了运用众数填补法、均值填补法、多重插补法、KNN填补法对测井数据缺失值进行填补的算法,并通过数据填补前后均值与方差的变化分析填补方法的效果;同时,对KNN填补前后数据密度函数进行了分析,进而确定KNN为适用于复杂测井数据的缺失值填补方法。(2)结合多维测井数据的特点,研究了主成分分析和t分布随机近邻嵌入降维方法。根据奥卡姆剃刀原则选取主成分分析算法对测井数据进行降维处理,并根据主成分累计方差贡献率等指标对维数进行了确定。(3)研究了一种基于PCA的BP神经网络预测模型,并使用决定系数、均方误差、真实—预测散点交会图等指标检验模型效果。经与其它预测模型对比,结果显示构建的BP神经网络效果最好,随机森林次之,线性回归模型效果最差。(4)将构建的PCA-BP神经网络模型用于研究区煤层气储层预测,并将预测结果进行了三维可视化对比分析,进一步证实了所构建的BPNN储层预测模型具有较好的可靠性。