孔隙流体介质中骨架和流体弹性参数的反演数值计算是岩石物理学的重要课题。一般情况下流体是储集在岩石基质孔隙、裂隙或裂缝之中的,由于这些储集流体的空间表现十分复杂,给勘探储层带来了日益巨大的挑战,因此迫切需要深入开展孔隙介质模型的理论探索与实践研究。本文基于牛滨华教授所提出的组分孔隙流体介质理论,以美国劳伦斯-利沃默国家实验室数据和川西XC工区的实际数据为例进行正反演的计算和研究分析,并将井中流体密度和流体速度作为敏感参数对目标储层进行气水识别。本文首先对组分孔隙流体介质理论进行了研究分析,讨论了组分各弹性参数之间的关系,通过对美国劳伦斯-利沃默国家实验室数据的正反演计算和结果的对比分析,验证了组分介质模型理论的合理性,为有效应用提供了前提,并给出了实际应用所需注意的问题。然后利用组分孔隙流体介质理论提出的方程,对川西XC工区的实际测井数据进行分析,研究并总结出井上组分密度和组分速度的计算方法和过程,通过C++程序设计实现。进而通过非线性的概率神经网络方法将井上参数与地震数据相结合,对目标区域进行了流体密度和流体速度的预测,并利用储层的地温、地压等综合地质信息,制定相应的流体敏感参数气水识别标准,形成了一套行之有效的气水识别方案。最后应用该方案于川西XC工区的不同地层段,预测了流体密度和流体速度数据体,制定了目标层段的流体敏感参数气水识别标准,并在此基础上进行了气水层识别。识别结果与钻井信息基本吻合,从而证明了该方法的有效性和实用性。