本文介绍支持向量机方法及其在地震储层预测中的应用。论文的主要内容与成果如下:(1)归纳总结了油藏地球物理中地震属性的分类、提取方法和地震属性分析基本工作流程。(2)设计了一个含油气、含水的储层地质模型,采用波动方程正演模拟得到合成地震记录。从地震记录中提取包括均方根振幅、瞬时频率、瞬时相位在内的18种属性参数,并运用极差标准化、主成分分析、相关性分析等方法进行属性参数标准化、属性参数降维映射、属性参数敏感性分析,从而找出对储层特征反映较为敏感的瞬时相位等8种属性参数的组合。(3)支持向量机方法的相关算法可以求得全局最优解,从而避免了神经网络在学习过程中得不到全局最优解而出现的“过学习”,“欠学习”现象。在本论文研究中,通过数值模拟实验,验证了支持向量机方法的学习模型比BP、RBF方法学习模型的鲁棒性更好,推广性更强;在所设计的储层地质模型中,利用合成地震记录试算,将优选出的敏感属性作为支持向量机算法模型训练的输入,目的层是否为储层作为输出,经过网格搜索法的模型参数寻优,找到最优参数形成训练模型,支持向量机方法分类器对目的层含油气、含水性的预测均与实际设计的储层地质模型能较好的吻合;在楔状体地质模型目的层的速度、密度参数预测中,速度预测值的均方根误差为0.0041、和原来速度值之间的相关系数为0.9877,密度预测值的均方根误差为0.004、和已知密度的相关系数为0.9885。实验结果表明,本方法是可行的。