在地震数据中隐藏着储层物性变化、储层饱和流体成分等有关信息，而地震属性就是经数学变换而导出的有关地震波的几何形态、运动学特征、动力学特征和统计学特征，通过对地震属性进行分析，并做出标定，消除畸变，就有可能揭示有关储层信息。然而，地下地质情况的复杂性和地震信息的影响因素太多，存在较大的不确定性或模糊性，因此，应用任何单一的地震属性都不能准确地进行储层预测、油气预测、储层特征参数描述等。鉴于此，展开地震多属性综合分析研究就显得十分必要。对于地震多属性融合技术，首先要考虑避免属性个数冗余和输入样本繁多影响计算效率和储层预测精度的问题。本文针对这个问题，首先分析了单个地震属性的物理意义和地质含义，并采用主成分分析(Principal Component analysis, PCA)方法和独立分量分析(Independent Component Analysis, ICA)方法进行属性融合应用研究；然后根据测井参数与井旁道地震属性之间的相关性，应用多属性线性回归方法和偏最小二乘回归方法(Partial Least-Squares, PLS)将地震属性转换成储层物性（孔隙度），并推算到井间。本文的主要研究工作和主要成果如下：1、研究了基于PCA、ICA的地震多属性优化分析。相对PCA而言， ICA作为分解观测数据中独立信息的有力工具，不仅利用了信号的二阶统计特性，还利用了信号的高阶统计特性，利用它对地震属性进行高阶统计特征分析，可优选出最敏感的、相互独立的地震属性。通过地震多属性融合技术，能较好对地质情况进行分析，提高了储层预测的精度。2、将ICA与地震谱分解技术结合，研究了基于ICA方法在宽频带瞬时谱数据融合上的应用。利用短时傅里叶变换的谱分解方法得到一系列的共频率瞬时谱属性数据体，提出了基于ICA方法对瞬时谱数据体切片的融合方法，实际资料处理说明了该方法不仅能将原始数据降维，提出相互独立的属性，还能有效地应用于地震相划分。3、应用地震多属性进行储层参数(孔隙度)预测时，分别采用了多属性线性回归方法和偏最小二乘回归方法并比较了两种方法的效果。应用多元线性回归的最大局限性就是自变量之间的多重相关性，这种变量多重相关性会危害参数估计，扩大模型误差，从而严重影响储层参数预测的有效性及可靠性。而采用偏最小二乘回归除了可实现回归建模（多元线性回归分析），还可以实现数据结构简化（主成分分析）以及两组变量间的相关分析(典型相关分析)。特别地，偏最小二乘回归采用对数据信息进行分解和筛选的方式，能有效提取对系统解释性最强的综合变量，并剔除多重相关信息及无解释意义的干扰。研究表明，偏最小二乘回归方法应用于地震储层参数预测具有可行性。