叠前地震资料包含振幅和旅行时信息，能反映出丰富的储层参数信息，具有较好的保真性和多信息性，能更加可靠地揭示出储层的展布情况、物性以及含油气性。常规反演方法的思路是对反问题进行线性化近似，其精度已不能满足当前勘探开发的需要，本论文从概率的角度出发，利用非线性算法直接求解地震反问题，获得弹性参数和储层参数。本文研究了基于马尔科夫链蒙特卡洛算法(MCMC)的叠前反演方法。该算法是一种启发式的全局寻优算法，通过生成马尔科夫链对模型空间进行探索，在贝叶斯框架下，利用已有资料进行约束，不仅可以使最优解满足参数的统计特性，还可通过融入先验信息，提高解的精度，此外，寻优过程能够跳出局部最优，最终得到全局最优解。利用MCMC反演方法，可以得到大量来自于后验概率分布的样本，不仅能获得每个未知参数的估计值，还可以获得与之相关的各种不确定性信息。由于算法不是利用有单一最优解的目标函数，所以结果对初始值的依赖不强。论文在分析弹性参数及储层参数对AVO的影响的基础上，结合贝叶斯框架采用了Metropolis-Hastings算法来实现MCMC方法对弹性参数及储层参数的反演，反演中随着迭代次数的增加逐渐减小游走的步长，从而保证了算法的效率及精度。然后对地震资料信噪比、初始模型等影响因素进行了讨论，总结了算法中相关参数的选取原则，为后续的实际资料处理提供了依据。最后，分别选取模型数据及A油田的实际资料对方法进行了试算和处理，结果表明利用MCMC方法进行叠前反演是可行且有效的。