地震属性的研究从上个世纪60年代开始,经历了几个阶段的发展后在油气勘探领域得到了广泛的应用。地震属性是从地震数据中导出的有关地震波的几何学、运动学、动力学和统计学特征的物理量。地震属性代表着在原始地震资料中全部信息子集,各种属性的关系通常是十分复杂的。属性分析基本上是通过除去无关的信息,希望能揭示在原始地震资料中未能见到的趋向式模式,从而扩大了原始地震资料的信息和提高了它的应用价值。从地震资料可提取的地震属性参数达几十个,但进行储层预测时使用的参数并不是越多越好,因为无效的参数会增加工作量和耗费有限资源,甚至带来维数灾难,要有效地利用这些属性进行储层参数预测就要进行属性的优化。首先,通过对地震属性的含义、分类、提取方式和影响因素的研究,更深入地理解了其意义。其次,在属性优化方面,主要应用了主成分分析、盲源独立分量优化等技术对地震属性进行了优化,将多个地震属性的信息集中到三维地震的主分量图像上,从而提高了属性的应用效率。此外,重点研究了小波变换在地震数据的奇异性检测方面的应用,提取了另一种地震属性──奇异性属性,这种属性给出了地下分层情况,明确了地下沉积界面的位置。该属性由偏移地震数据计算而来,实行单道处理,不需要子波和速度信息。在此基础之上,结合小波变换所具有的时频局部化特性来划分沉积旋回、检测砂砾岩扇体的沉积界面,达到了预定的目标。最后,将地震属性应用于储层预测中,针对东部某地区的地震数据提取了振幅类、频率类、相位类等属性,并结合属性优化及基于自组织神经网络的多属性聚类分析方法进行了处理、分析,对该地区的天然气藏进行了预测,取得了一定的效果。