地震属性是从地震资料中用一系列的技术手段提出的专门用来测定地震数据的几何学、动力学、运动学或统计学特征的物理量。由于人们从地震数据中提取的地下的地质信息较过去有很大的进步，而且人们可通过地震的方法来解决地质问题，因此地震勘探也可以解决储层描述问题。储层预测是储层描述的主要工具，因此与储层描述紧密相关的地震属性的优化问题也就为地震人员所重视。在进行多参数储层预测时，并非属性越多越好，一方面加大了程序的计算量，另外也同时影响了那些与储层参数相关的地震属性，因此有必要进行地震属性优化。 本文在总结前人方法以及研究经验的基础上，充分利用前人方法的优点，设计研究了GA-BP算法(遗传算法—后传神经网络)，并应用于地震属性的优化。遗传算法通过选择、交叉、变异过程，最终得到所要的属性体，通过模型试算和应用于实际资料，充分验证了该方法的可行性，而且体现了与以往其它优化算法的优越性。 在进行优化完毕后，本文还探讨了BP神经网络的储层预测方法，并应用于储层预测，达到了预期的效果。最后，提出了自己在完成论文后的一些看法和观点。