地震属性分析是储层预测的有效手段之一,通过对地震数据做不同的数学和物理上的变换可以得到各种类型的地震属性,地震属性中蕴含着地层岩性、储层物性、流体类型和断裂等信息。基于地震数据可以得到各种不同种类的地震属性,不同的地震属性能够描述不同的地质特征。地层倾角和方位角属性可以用来描述地层构造的基本变化情况,相干体属性在断层和河道的识别中有较好的效果,曲率属性对地质特征的细微变化敏感,故可用于裂缝识别。仅单一地震属性来预测储层参数时可能存在多解性,因此通过优选出能反映工区储层特性的多个属性进行分析,可以降低多解析,提高预测精度。但多个地震属性在使用时会存在信息冗余的问题,通过属性优化能够提取出属性中重要的信息剔除冗余信息。论文主要研究了多属性分析在储层预测中应用主要有属性转换和属性聚类两类方法。地震多属性分析用于储层参数预测是通过建立优选的地震属性与储层参数之间的对应关系进行的,当要训练的关系较为复杂或者样本点较少时,常规方法方法有一定的局限性,不能满足精度要求。深度学习算法通过深层网络对样本特征进行更深入的学习提高预测精度。为了能够更好的挖掘地震属性与储层参数之间的关系,将深信度网络用于地震多属性分析预测储层厚度和裂缝发育情况。