孔隙度是储层评价的重要参数之一,有效的预测对油藏描述显得尤为重要。一些传统的孔隙度预测方法存在计算效率低等问题,随着人工智能的大力发展,利用地震多属性分析结合智能算法进行孔隙度预测变得更加常见。本文以实际工区数据为例,首先应用多属性分析确定最优地震属性及其数量,其次,在与粒子群算法的结合下,分别应用支持向量机算法(SVR)、自适应神经模糊推理系统(ANFIS)以及小波神经网络(WNN)三种智能算法建立所选地震属性与测井解释孔隙度之间的映射关系,并且将三种算法预测的结果进行加权求和,即建立委员会模型(CM),最终应用到实际地震数据并反演出孔隙度数据体。结果显示,委员会模型的预测结果比三种单独算法预测结果要好,误差相对较小,证明委员会模型可以提高孔隙度预测的准确度。