地震属性研究对油气储层状况进行预测一直是重要的手段和方法。由于考虑到地震属性的完整性和普适性，一般提取的地震参数比较多，因此造成了数据的高维特性。高维数据虽然提供了有关客观现象极其丰富、详细的信息，但是高维数据给随后的数据处理带来前所未有的困难。为了有效的应用地震属性分析技术进行预测和解释，必须结合储层物性参数对高维地震属性数据进行降维处理。线性降维算法在对高维地震属性参数进行处理时，如果参数本身是线性关系或拟线性关系时，可以得出较好的结论。但如果参数本身为非线性或线性特征很弱时，却无能为力，此时可采用非线性降维算法。Isomap算法即为等距映射算法，是一个利用非线性的局部度量信息学习数据集的全局几何结构算法。算法最突出的特点是用测地距离来度量高维空间中样本点之间的距离，是对多维尺度变换(MDS)改进的一种算法，它是Tenebaum等人于2000年提出的，近年来倍受关注的一种非线性降维方法，它效率高，参数少，是非迭代的全局优化算法，具有揭示非线性数据流形内在特性的能力。本文尝试采用Isomap(非线性降维)算法对高维地震属性参数数据进行降维处理，同时也用MDS(线性降维)的算法对同一问题进行了降维处理，并通过小波神经网络对降维之后和原有的属性分别进行了储层预测，从预测值和平均误差结果验证了Isomap算法在高维地震属性参数数据降维中具有很好的效果。