随着油气勘探开发的不断深入,储层参数的精准预测显得尤为重要。利用地震属性进行储层预测是人们认识和检测油藏的重要手段。由于地震属性与储层参数之间存在复杂的非线性关系,因此我们利用神经网络来构建储层参数的三维展布。小波神经网络(WNN)结合了BP神经网络和小波分析,具有较好的非线性映射能力及容错性能。但由于WNN采用梯度下降法对参数进行修正,因此存在收敛速度慢和局部最优等问题。为提高储层预测的精度及可靠性,我们利用粒子群算法(PSO)优化小波神经网络。该算法的全局搜索能力能够对WNN的权值、阈值以及小波基函数参数实现最优配置。本文将粒子群优化神经网络应用于实际工区的孔隙度预测,预测结果表明:该方法具有较高的预测精度和较快的收敛速度。孔隙度的平面分布预测图也验证了该方法的可行性与有效性。