天然气水合物是一种重要的能源资源,具有能量高、储量大、分布广和埋藏浅等优势。准确地从地层中识别出天然气水合物储层是应用天然气水合物资源的必要前提。本文围绕水合物勘探识别的难点问题,结合海洋-地质-人工智能学科交叉技术,以具有显示度的地球物理属性参数为基础,研究并提出了有效的含水合物地层识别技术方法,在中国南海东沙海域研究区进行了方法的验证,选择了几种较为常用的机器学习算法,例如随机森林、Bagging、AdaBoost、和最近邻(KNN)算法,对水合物变化灵敏度较高的纵波速度和密度属性进行数据分析,通过训练优化不同算法模型参数,对比不同算法模型的识别分类效果。结果表明,这几种算法都能够较好地对地层中是否含有水合物进行区分,其中KNN性能最好,表明基于机器学习手段能够提高天然气水合物的识别精度和准确性。