合理有效的训练集是深度学习在地震勘探领域成功应用的保障。目前,构建深度学习叠前反演训练集存在两个问题:由于测井数据的稀缺,在实际工区数据中很难获得足够的标签;纯理论合成数据与工区数据分布之间存在较大差异,理论数据训练的反演网络迁移至工区数据效果较差。本文将基于Aki-Richards方程的AVO正演理论和生成对抗网络结合,构建有效叠前训练集合成的生成对抗网络。基于Aki-Richards方程的AVO正演理论作为物理编码部分,通过给定的模型合成纯理论数据。生成对抗网络通过学习实际工区数据,获取工区噪声分布特征。最后将纯理论合成数据和符合工区的噪声数据叠加,获取用于深度学习地震反演的训练集。对生成的训练集进行频谱分析发现,使用本文生成的地震数据更加符合实际工区数据分布特征。