摘要：我国是一个“富煤少油”的国家,煤层气的储量是十分丰富的,开采煤层气资源,能够缓解我国的能源危机。因此,研究煤层气地震勘探的方法技术成为迫在眉睫的任务。本课题研究得到中国石油化工集团华东分公司物探研究院的支持,该公司决定在鄂尔多斯盆地进行较大规模的煤层气勘探和开发。在煤层气的地震勘探中,煤层具有低密、低速、低地震波阻抗的特征,与围岩间形成强振幅地震反射,较容易识别,但是煤层含气性难以从强反射背景中识别。本文通过对地震属性的系列研究,对地震属性的提取和优化进行研究,并利用神经网络方法及其改进方法对煤层气的储层参数进行预测。本文开篇对煤层气的地质理论展开研究,包括煤层气的成因、赋存条件、运移机理以及成藏条件。经研究表明,影响煤层生气量的主要因素包括煤岩的变质程度和煤层的厚度变化,煤岩变质程度越高,煤层厚度越大,则越有利于煤层气的成藏。如果可以有效的预测煤层厚度,对于煤层气的预测是很有意义的。尔后,本文展开利用地震属性预测煤层气的储层参数的研究。首先阐明了地震属性的含义、多种分类方法和提取方式,并且总结了提取地震属性时窗的选取原则。然后针对提取出的先后运用相关分析和主成分分析优选出与煤层厚度相关性好,彼此之间又相互独立的地震属性,然后利用K-L变换对神经网络的训练样本进行降维压缩,去除了冗余的数据,实现了样本的优化组合。最后,将优化后的样本用于BP神经网络及其改进方法的训练,并以六口钻井数据作为验证样本检测预测效果,并将训练好的三个模型分别用于整个工区,得到了工区内煤层厚度的分布图。经过比较,利用遗传算法优化的BP神经网络其预测精度最高,预测效果最为理想。