随着基于人工智能的机器学习算法在地震储层预测应用中的不断深入,利用机器学习强大的数据特征分析及挖掘能力,进行地震属性地质意义的分析以及利用地震多属性与地质特征的映射关系更好地完成油气储层预测任务等,成为了机器学习地震属性分析的重要研究方向之一。本文首先通过理论数据及实际资料的实验,对不同无监督的深度学习算法地震多属性融合效果进行了分析,优选出了能够产生具有明确地质含义的地震多属性融合方法;然后基于融合属性,比较分析了不同有监督算法的油气储层参数预测效果;最终提出建立了一种基于无监督和有监督联合的LSTM-AE+GRU的地震多属性融合及储层预测的有效方法,为基于AI的地震属性分析的方法及应用的深入研究提供了借鉴和参考。