储层预测面对越来越复杂油气储层,需要采用一种合适的非线性算法充分挖掘地震数据与储层特征参数之间的潜在关系,获得储层的物性、岩性等信息。目前,在地震储层预测方面已有较多的智能算法被广泛应用和研究,这些算法既有优势也有缺陷。随机森林算法基于统计学习理论,在大量领域表现出操作方便、效率高、不用担心过拟合,较强的容噪性等优势,但在地震储层预测方面的应用和研究相对很少。若证明其能够有效刻画复杂储层的地质特征,则可以对油田技术研究和生产服务提供帮助与便利。本文重点研究了随机回归森林在地震储层预测中的适用性问题,采用实际数据和模拟数据相结合的方式,从可行性、容噪性、敏感性和局限性四个方面开展了具体的分析和试验。针对局限性研究中发现的问题,做了相应的改进方法研究,对在敏感性研究研究发现的地震属性冗余问题,研究了基于随机森林变量重要性的地震属性优选方法研究。研究结果表明,随机森林算法在地震储层预测方面具有可行性,能够对复杂储层的地质特征进行有效刻画;基于随机回归森林地震储层预测技术体现了操作简便、效率高、不用担心过拟合等优势;基于变量重要性的属性优选方法能够使预测结果获得更好的效果;测试样本的误差分析结果,并不能完全反映出预测效果的好与差;样本数据中的输入变量对随机回归森林模型的准确度和预测结果影响大。