本文首先对地震属性的分类、提取方式及影响因素进行了研究,并进一步深入理解了各地震属性的地质意义。其次,在属性优化方面,分析了属性优化的必要性,地震属性的预处理方法,以及随机森林相关算法在属性优化中的优势。利用智能算法优选地震属性和进行沉积微相预测是本文的重要组成部分。在实际应用中,首先研究了埕岛地区上第三系馆上段地层的微相沉积特征,认识到原始地震记录的分辨率达不到识别沉积微相的能力,所以利用Mallat小波算法对原始地震数据进行分频处理,并利用改进的小波算法和稀疏脉冲波阻抗反演分别求取研究区域的瞬时振幅和波阻抗属性。根据井中沉积微相解释结论与地震剖面反射特征之间的关系建立了沉积微相样本集,并采取合适的属性规约方法,从各地震属性中萃取有效表征不同沉积微相的属性特征,构建地震属性特征样本集。在此基础上,利用随机森林MDI特征重要性评估算法分别优选出对边滩微相、天然堤微相以及漫滩微相敏感的地震属性组合。接着采用随机森林机器学习算法进行沉积微相概率预测建模,并基于概率预测模型对目标地层进行沉积微相模糊判别。平面上,大型河道附近的预测结果与各井点处的微相解释结论完全符合,各微相边界清晰,且平面接触关系与理论河流相沉积规律相符。垂向上,预测结果也与各井的测井沉积微相段解释结果相符。另外,在与波阻抗反演切片和胜利油田现有成果的对比分析中,智能预测结果的河道边界也更加清晰。综上所述,证明了智能预测结果的可靠性。