地震数据包含丰富的地层信息。裂缝孔隙度是储层质量和产能评价的关键参数。目前，用常规的线性反演方法无法从地震资料中提取裂缝孔隙度的有效信息。为了有效地获得密集碎屑岩地震信号中储层和非储层数据特征之间的差异，借助深度置信网络（DBN）强大的特征提取能力，本文使用回声状态网络（ESN）中的回归层代替DBN网络中的误差反向传播算法组合来构建es DBN网络。ES DBN网络能更好地捕捉地震数据中的动态时序信息。每次训练都独立于之前的DBN学习过程，只考虑回归层的最终输出权重矩阵。通过模型测试和比较，发现该网络的学习效率和预测精度均高于传统的DBN网络。以井内裂缝孔隙度为预测目标，在提取井旁各种叠前和叠后敏感裂缝属性的基础上，采用网络模型对研究区地下地层裂缝孔隙度进行预测。预测结果表明，该网络能较好地实现致密碎屑岩储层裂缝孔隙度的三维表征，取得了良好的应用效果。