波阻抗反演是地震反演中非常重要的处理方法，其中完全非线性反演是当前的研究热点。人工神经网络作为一门新兴的非线性科学，随着神经网络理论研究的不断发展，已经被广泛应用于各个领域。遗传算法作为进化计算的一部分，是一种模拟自然界生物进化的搜索算法，由于具有不要求解空间是否连续和可导及并行处理等，在各个领域得到了广泛应用。但传统的BP网络和遗传算法都存在不足，BP网络存在训练时间过长、易受训练样本的局限以及容错性差，遗传算法容易出现早熟现象等不足，使该两种方法的应用受到限制。本文系统介绍了人工神经网络、遗传算法的理论基础，并在近年来人工神经网络技术在波阻抗反演应用研究的基础上，针对BP人工神经网络算法在反演中的不足，提出了BP-GA混合人工神经网络训练算法和神经网络进化算法。BP—GA混合算法利用触发概率，在传统的BP算法中自动调用遗传算法对网络权值进行优化，并优化了GA算法，改良了编码、解码的算法实现；使用了轮盘赌选择算子同最优保存相结合的选择策略；针对种群易早熟问题引入了高斯近似多点变异，使种群个体多样性得到保证。神经网络进化算法是针对传统前向型网络训练完成后权值固定，不能进一步在应用中调整而提出的，对每次输出进行检验，当误差超出给定范围时调用遗传算法对网络权值进行调整，使网络性能得到完善。本文应用BP算法、BP—GA混合算法分别对不同初始模型、不同子波、不同噪音的理论模型计算，对结果的对比分析阐述了BP-GA混合算法波阻抗反演的优势，并在实际资料反演中得到了较好的结果。最后对BP算法波阻抗反演进行了讨论，总结了该算法的不足，并分析了算法的局限性，并指出了需要继续研究的技术问题。