我国的碳酸盐岩油气资源储存丰富,但碳酸盐岩油气储层存在埋藏深、高温高压、多产层、超临界以及缝洞体普遍存在且发育较多等复杂特征。大型缝洞型油气田由大量裂缝和溶洞体组成,在这些裂缝和溶洞组成的油气单元之间分布着含油气饱和度不一的水层、干层或者致密油气层,因此对这些连续或不连续分布的溶洞体进行识别并定量预测是寻找开发相关油气资源的基础。溶洞型储层一般埋藏较深,且受地质运动影响,形态普遍不规则、分布情况复杂,内部填充与周边岩性的差异导致非均质性严重,这都强烈影响了溶洞体的地震反射特征,产生了个数不等、振幅差异明显的串珠状反射。实际地震勘探中在较短时间内分析地质结构,实现溶洞识别与定量化需要研究人员丰富的解释经验和地震知识,并且解释结果会受到个人经验和主观看法的强烈影响。因此地质领域的研究人员迫切需要能够智能、自动、准确的地质体识别算法。针对上述问题本文从溶洞体反射特征、全卷积神经网络、属性模型融合、深度回归森林的定量计算等方面展开研究,具体研究内容如下:1.提出基于多模型融合与全卷积神经网络的溶洞体识别方法并实现1)根据不同尺度、形状与分布的溶洞的反射特征,利用正演数值模拟的方法生成不同类型的、具有代表性的溶洞体数据,结合少量专家人工标注的地震数据,训练基于全卷积神经网络的端到端的像素级分类,实现溶洞体的高效识别。2)针对样本不够充分导致的网络层数较少,特征提取不够充分的问题,利用地震领域的先验知识,从地震振幅数据体中提取地震属性作为输入数据训练全卷积神经网络,并将多种属性训练的模型加以融合,从而实现更好的溶洞体识别结果。2.提出基于深度回归森林的溶洞体体积定量预测方法并实现1)使用传统的正演数值模拟方法,在定量化理论分析的基础上通过对串珠状反射进行雕刻与体积估算统计获得地质体长、高与体积校正系数,从而定量计算溶洞体体积。2)利用卷积神经网络提取地震数据的特征,并利用深度回归森林方法实现溶洞体体积的定量计算。本文实现的对溶洞体的描述是寻找开发相关油气资源的基础,精确的评价目标储层的溶洞体尺寸、形态与分布,既有利于油气的开采,也利于采取正确的措施,预防突发的事故并防止储层危害。