本书围绕复杂油气藏与非常规油气藏，聚焦智能算法和井筒数据的融合，详细介绍了数据清洗与预处理、经典智能算法、集成学习算法与深度学习方法原理、最优化问题演化算法，探讨了机器学习与物理模型共同驱动理论，并举例展示了上述智能算法在有机页岩、致密砂岩、碳酸盐岩测井解释与地层评价中的应用，应用场景涵盖岩性岩相识别、流体识别等分类问题，以及有机碳含量、孔隙度、渗透率、饱和度等参数回归问题。全书系统梳理了人工智能的研究进展，详细介绍了基本机器学习、集成学习、深度学习的算法原理，尤其是提出了分类委员会机器、回归委员会，提高了测井流体识别、岩性识别等分类问题、孔隙度、渗透率、饱和度等回归问题的精度，把反演算法和演化理论也归并进来，与机器学习一起，使人工智能理论体系更加完整。针对单纯数据驱动机器学习不足，创新提出了物理模型和机器学习双轮驱动智能模式，提升了预测结果的可解释性。