烃源岩的定量地震刻画对于勘探开发区块的优选、盆地油气资源量的估算都具有重要意义.陆相沉积环境下的浅湖或半深湖相的烃源岩横向变化快,其空间展布需要依靠钻井约束下的反射地震进行刻画,但是其地震弹性特征与岩性和有机质含量的映射关系呈现高度非线性化,因而很难利用传统基于地震岩石物理模型驱动的烃源岩地震预测方法进行有效刻画.本文以低勘探区的东海盆地长江坳陷为例,提出了一种在数据驱动的机器学习框架下,综合利用地质约束、钻井录井、测井、地球化学和叠前地震数据进行烃源岩的定量地震刻画的工作流程.其核心思想是利用随机森林集成学习算法对小样本数据表现优异的特征,以井位处的测井弹性数据(纵波速度和密度)、岩性、地球化学标定的总有机碳含量(TOC)为样本标签数据,在地质导向约束下通过随机森林算法生成学习网络,并将该网络与叠前地震反演结果相结合,采取先预测泥岩再预测总有机碳含量的“两步走”策略,完成对烃源岩空间分布及其非均质性的定量地震刻画,并对预测结果的不确定性进行评价.测试结果显示,随机森林算法相较于其他的机器学习算法能够更准确的识别陆相沉积地层的泥岩,并比传统的利用阻抗转化方法获得更可靠的总有机碳含量预测结果.