传统理论驱动的地震储层预测方法已难以满足东海日益复杂的地质需求,近年来逐步发展的人工智能技术为建立地质与地球物理非线性映射关系提供了新的研究视角。本文采用基于理论指导下的深度学习方法开展地震储层预测。首先,根据实钻井统计数据随机模拟不同储层特性(如厚度、孔隙度和饱和度等),并建立适用于本地的岩石物理模型;然后,结合岩石物理正演和地震反射方程生成一系列具有良好采样的伪井组及其对应的合成地震道集,以此标签样本扩充作为输入;最后,将在卷积神经网络框架下训练学习的预测模型应用于实际地震数据,实现目标属性的精细表征。实例应用显示,相比于完全基于理论的方法(确定性反演),本方法储层描述结果与井匹配度更高,且符合区域地质沉积认识。