本發(fā)明提供一種Kmeans?隨機森林的儲層評價預(yù)測方法，通過Kmeans聚類完成儲層評價分類標(biāo)準(zhǔn)的快速建立，避免了人為因素的影響，使得分類建立的標(biāo)準(zhǔn)更加客觀真實，再通過隨機森林集成算法將數(shù)據(jù)和分類標(biāo)準(zhǔn)進行模型建立和訓(xùn)練，隨機森林集成算法是多個決策樹的預(yù)測結(jié)果結(jié)合，比單個決策數(shù)更好的泛化能力，因此使得評價結(jié)果更加準(zhǔn)確可靠。本發(fā)明解決了儲層評價標(biāo)準(zhǔn)的問題以及儲層評價效率的難題，通過對影響儲層好壞因素的量化，利用無監(jiān)督學(xué)習(xí)算法Kmeans和監(jiān)督集成學(xué)習(xí)算法隨機森林相結(jié)合，提高儲層評價預(yù)測效率及準(zhǔn)確率，減少投入成本，為石油勘探開發(fā)提供有利的地質(zhì)依據(jù)和理論支撐。