有机质含量通常用总有机碳含量(TOC,Total Organic Carbon)表示,TOC是页岩储层生烃能力评价的重要指标之一。如何利用地震数据准确地预测TOC是目前页岩油气勘探中有待解决重要问题之一。考虑到页岩储层本身的复杂性,本文引入机器学习方法,利用人工智能非线性预测,实现了分别利用测井数据和地震叠前反演结果的TOC的定量预测。本文完成的主要工作量包括:(1)对于TOC有关的页岩岩石物理特征进行理论分析,调研现有的TOC预测方法,并讨论了每种方法的优缺点。(2)调研了几种热门的机器学习算法,通过对比分析选取并实现了两种适用于TOC预测的机器学习方法:随机森林算法和支持向量回归。对两种方法进行模型数据集试算,结果表明在训练数据有限的情况下支持向量回归准确度更高,而反之则随机森林算法准确度更高。(3)利用蜀南五峰-龙马溪组页岩测井数开展TOC敏感的参数分析。(4)针对测井数据和地震反演结果分别开展TOC预测:首先通过计算相关系数进行参数优选,利用支持向量回归用来预测在岩心数据有限时TOC的测井曲线;将随机森林算法应用于预测因子种类有限的三维地震叠前反演结果。通过将反演结果与实际测井数据的对比验证了上述方法的可靠性。