岩石孔隙度作为表征储层物性的核心参数,其精确预测对油气资源勘探开发决策具有重要指导意义。传统孔隙度预测主要依赖理论模型驱动方法,然而该方法存在局限性:其一,模型参数设定易受人为经验制约;其二,未能有效刻画地震弹性参数与岩石物性参数之间的复杂非线性关联。针对这一技术瓶颈,本文提出一种基于深度学习的叠前地震孔隙度智能预测方法。通过构建融合Dropout正则化机制的一维卷积神经网络(DCNN),基于敏感性分析筛选优质弹性参数组合,建立地震弹性参数空间到孔隙度参数空间的非线性映射模型。在某油田三维工区的实际应用中,本文方法有效预测了储层孔隙度。