独立分量分析方法（ICA）是近十几年才发展起来的一种新的基于信号高阶统计特性的分析方法。该方法的基本原理是通过分析相互间统计独立的信号源经线性组合而产生的多维观测数据间的高阶统计相关性，找出相互独立的隐含信息成分，完成分量间高阶冗余的去除，从其中分离出各自独立的信号分量。独立分量分析方法经过十多年的不断完善，目前已经成为信号处理领域的一个研究热点。越来越多的地球物理学家开始探讨如何更合理的把这项新技术、新方法引入到地球物理领域中来。 本论文就是在前人的研究基础上，对独立分量分析技术在地震信号去除随机噪音及地震属性优化方面做了进一步的探索。同时，创造性的把核独立分量分析这一新ICA技术应用到地震资料的处理和解释中来。具体工作如下： 1.详细阐述和分析了独立分量分析的理论和原理，为其在后面地震资料的处理和解释中的应用打下理论基础。介绍了基于负熵的快速独立分量分析和基于核思想的核独立分量分析两种算法。核独立分量分析不是简单的独立分量分析的核化，而是一种新的独立分量分析方法。 2.在地震勘探中，在对地震数据和随机噪音信号特点进行分析的基础上，将独立分量分析方法应用于地震资料去除随机噪音的处理。通过模拟实验、叠后和叠前实际资料的处理，两种算法都取得了明显的效果，地震资料信噪比得到提高，特别是弱同相轴能得到较好的恢复。 3.为了提高地震储层预测精度，进行地震多属性的组合优化处理是非常必要的。这里提出的基于独立分量分析的地震属性组合优化，是利用属性的高阶统计特性，剔除一些相关冗余的属性，优选出相互独立、对所求解问题最敏感的地震属性。实际资料应用分析表明独立分量分析属性组合优化能优选出相互独立的、能直接反映储层参数的最敏感地震属性。