随着煤矿综采机械化水平和改扩建要求的提高,煤矿企业对三维地震勘探技术中资料解释精度的要求也日益提高。如何高效地从地震数据中识别规模较小地质构造成为亟需解决的问题。本文在调研国内外模式识别技术的基础上,对比分析了模糊模式识别算法、统计模式识别算法和神经网络模式识别算法的优缺点,选择了自组织竞争神经网络法作为主要研究手段；围绕含破碎带小断层、岩浆岩与煤层或天然焦不同组合结构区段和隐伏陷落柱等灾害地质体,开展了相应的地震数值模拟研究,并分析了地震属性与原始资料的对比效果,得到一些有助于地震多属性模式识别细微地质构造的结论；结合煤田地震资料解释目标和自组织神经网络算法特点形成了用于识别细微地质构造的地震多属性模式识别解释流程,讨论了地震属性的提取方法、优化技术及影响因素等；采用了短时傅里叶和连续小波变换对实际地震偏移剖面进行了转化,分析了这两种变换的应用效果和特点,在优势频段突显出细微地质构造边缘轮廓细节；采用基于“分水岭”算法的边缘检测技术获取了细微地质构造的边缘轮廓,进一步提高了地震资料解释的精度。以淮北NS地区和山西JCZ地区井田地震资料为例,针对不同地质异常体,根据不同方式提取多种属性后,采用地震多属性模式识别解释流程进行地震资料解释,取得了较好的工程应用效果。