碎屑岩储层是当今石油天然气勘探开发的重点和热点之一，并形成了一套开发技术和方法系列。但因其致密、低孔隙、多层叠置和非均质性强等特点造成的复杂性和特殊性，目前还难以解决储层预测的准确性问题，因此，除了运用先进的技术装备外，还必须逐步探索并形成结合地质、测井、地震勘探、非线性科学等多学科的技术方法。本文从核方法的原理和统计学习理论出发，在介绍支持向量机分类、支持向量机回归、核Fisher判别方法、核主成分分析方法的基础上，研究了这些方法在储层参数预测、横波预测、岩性识别、流体识别、多维地震属性优化分析等方面的应用能力和前景。利用这些方法进行了仿真实验，并将其用于岩性识别、流体识别、地震属性优化，对结果进行了分析和讨论；最后以XC地区为例，利用优化的地震属性和岩性、流体识别的结果，并结合波形聚类、频谱分析和波阻抗反演，开展了多属性的有利砂体分布区的预测。本文的研究内容和主要认识有以下几个方面：（1）提出了将最小二乘支持向量回归机用于横波的预测。在深入研究支持向量机和横波预测方法的基础上，把基于统计学习理论的最小二乘支持向量机用于实测纵横波数据的拟合，获得了较好的预测精度且适应能力强。利用预测的纵横波数据，计算出了各种弹性参数。（2）将Fisher判别和核Fisher判别方法引入到碎屑岩岩性识别中，探讨了方法在岩性识别领域的应用潜力和前景。在XC地区须二段，针对岩性识别中存在的困难，分别采用测井曲线、弹性参数、及其二者的组合作为特征变量，运用Fisher判别和核Fisher判别方法进行了岩性识别，结果表明使用核Fisher判别方法能很好的识别砂岩和粉砂岩。（3）本文针对致密碎屑岩储层流体识别存在非线性这一特点，提出了基于核Fisher判别方法和最小二乘支持向量机的流体识别方法。首先在核Fisher判别方法成功应用于碎屑岩岩性识别基础上，把核Fisher判别方法用于XC地区须二段储层的流体识别，结果表明该方法能较好的区分气层和气水同层；其次，总结了现有的一对一、一对多、最小二乘支持向量分类器等多类支持向量机方法，提出将最小二乘支持向量机用于流体识别，提高了数据的分类精度。（4）在构建核Fisher判别方法和最小二乘支持向量机岩性识别与流体识别技术方法的基础上，分析比较了四种常用核函数的效果。结果表明支持向量机训练和分类的速度优于神经网络，高斯核函数的分类精度最高。（5）在分析比较地震属性分析方法特别是主成分分析的基础上，对核主成分算法进行了深入的研究，并作了仿真分析。针对地震属性这种大规模数据集，把基于矩阵的核主成分分析方法引入到地震属性的优化中，其结果表明经核主成分处理后得到的综合属性，能有效的表征有利砂体分布区。（6）运用波形聚类、频谱分析和地震反演等技术，分别对砂体的空间展布和储层的发育有利区进行了分析，并把KPCA优化得到的综合属性和波形聚类、地震反演的结果综合起来，预测了XC地区须二段的有利砂体分布区，结果与实钻情况吻合较好，表明了多属性预测方法的有效性。