页岩气“甜点区”的预测是四川盆地海相页岩气勘探的关键,其目的是优选出天然气富集并且易于水力压裂形成缝网的区域。其中,天然气富集程度可以由TOC含量和含气量两个参数来评价,这两个参数具有正相关关系;储层岩石进行水力压裂的难易程度可由脆性指数来评价,脆性指数越高的页岩经压裂后造缝效果越好。目前页岩气勘探中,主要是基于叠前AVO反演的纵横波速度和密度结果,间接计算出脆性指数,并通过回归拟合得到TOC含量。本文在前人研究的基础上,针对常规TOC含量和脆性指数预测方法中拟合精度不足、间接计算带来累计误差等问题,开展研究并提出了改进的方法。首先以川东南丁山地区为例,设计了页岩楔状地层模型和实际二维地质模型,通过声学波动方程正演,定量分析了地层厚度、含气性以及子波主频,对页岩地震响应特征的影响。然后在页岩储层敏感参数分析和AVO正演的基础上,进行了叠前AVO反演研究。针对页岩TOC含量预测,本文提出了基于深度学习的TOC预测方法。在回归拟合法交汇分析的基础上,优选出与实测TOC曲线相关系数最高的密度、纵横波阻抗;基于深度学习中的深度前馈神经网络方法,训练测井纵横波阻抗、密度与TOC之间的非线性关系,得到TOC预测网络模型,将叠前AVO反演结果输入到网络模型中,综合预测出TOC数据体。在实际测井和地震资料应用中,该方法的预测精度高于常规方法,有效地避免了常规方法只利用单一参数进行线性回归拟合的不足,说明该方法具有较强的可行性和实用性。针对页岩脆性指数预测,本文提出了基于NSGA-II算法的脆性指数直接反演方法。新方法的正演算子BI_Zoeppritz方程,是精确Zoeppritz方程关于脆性指数?纵波速度和横波速度的变换形式,未引入任何假设,没有精度的损失,避免了常规方法间接计算的累计误差;建立了脆性指数直接反演的多目标函数,从相关系数和均方根误差两个方面来控制反演质量,并采用快速非支配排序遗传算法(NSGA-II)来进行多目标函数的全局寻优;定义了初始模型和优化搜索窗约束整个反演过程,减少了反演计算时间并提高了反演结果的精度。通过多个模型的试算,验证了该方法具有很好的适用性和抗噪性。将其应用于实际数据中成功预测脆性指数,并且与实际测井曲线相吻合,说明使用该方法从实际地震资料中直接反演脆性指数是可行的。