尽管叠前反演技术可以获得多种流体识别因子，但仅使用单一流体识别因子进行储层预测通常会带来多种解决方案。目前，基于众多专家的经验，综合解释储层因素已成为一种新的方法。鉴于此，将随机森林算法引入到储层流体识别中。首先，基于测井数据对输入特征（流体识别因子）进行优化，分别研究了输入特征个数和不同特征组合对算法预测结果的影响。然后利用该算法学习输入特征与井内储层信息之间的非线性关系。最后，根据学习结果对储层进行综合判别，实现多种流体识别因子的综合利用。该算法削弱了单一流体识别因子引起的多解性，提高了储层流体识别的准确性和可靠性。应用实例表明，通过随机森林算法对井内五种流体识别因子和储层信息进行综合学习，达到了准确识别含气和含水储层的目的。