地震反射模式分析是通过分析不同地震反射信号之间的差异获取地质结构信息的方法。地震反射模式分析分为叠前地震反射模式分析和叠后地震反射模式分析两种。这两种反射模式分析都会受到噪声的影响,由于噪声会造成地震数据的不确定性,为了减弱这种不确定性对地震反射模式分析的影响。本文从叠前和叠后两个方向出发,进行地震数据不确定条件下的鲁棒地震反射模式分析方法研究。叠前地震信号中对地震反射模式分析影响较为严重的噪声是不规则噪声和高斯随机噪声,由于传统的去噪方式无法从根本上压制不规则噪声,因此本文的目标是针对带噪的叠前地震数据提出一种新的算法压制不规则噪声和高斯随机噪声,然后通过自组织映射聚类算法完成鲁棒的叠前地震反射模式分析。针对叠后地震数据的主要目标是提出一种针对足迹噪声和高斯随机噪声的去噪方法,去噪完成后通过聚类完成叠后地震反射模式分析。基于这两个需求,本文针对性的提出了鲁棒深度卷积自编码器和鲁棒U-net网络两种方法,具体的创新性研究如下:（1）针对不规则噪声和高斯随机噪声引入深度卷积自编码器,为噪声的去除提供了网络架构。并且首次在地震数据去噪领域引入Welsch范数作为网络的损失函数,该范数在迭代过程中可以给较大的误差赋予较小的权重,这种特性使其具有了压制不规则噪声的能力,同时引入全变分正则项增强深度卷积自编码器的去噪能力,全变分正则项还可以加强网络对二维地震数据的局部平滑能力。在完成地震数据的去噪后,继续进行地震数据聚类,最终完成鲁棒的叠前地震反射模式分析。（2）针对足迹噪声和高斯随机噪声引入U-net网络,构造叠后地震数据处理网络架构,由于U-net网络拥有特殊的网络结构,使得其拥有强大的信息处理能力,并且仅需要很少的数据集便可以完成网络的训练。这对于数据量远小于叠前地震数据的叠后地震数据而言,无疑是十分合适的。同时首次在U-net网络中引入单向全变分正则项联合均方误差作为损失函数,使得网络可以更彻底的去除噪声,从而搭建一个具有叠后地震数据噪声衰减能力的网络模型RU-net,将RU-net与SOM算法结合可以提高叠后地震反射模式分析的鲁棒性。本文在二维含噪地震数据、叠前含噪数据和叠后含噪数据中进行了实验。同时将本文提出的方法与现有方法进行对比,验证了本文提出方法的有效性和优越性,推动了数据不确定条件下的鲁棒地震反射模式分析方法领域的发展。