海洋可控源电磁（MCSEM）法是基于油气储层与周围围岩的电导率差异来判断海底地层中是否含有高阻层的新兴地球物理勘探方法,目前已广泛应用于海底油气藏储层的评估。然而在MCSEM勘探中,随着信号的衰减,中、远偏移距处的有效信号十分微弱,极易受到噪声干扰从而导致人工定性分析准确率降低。近年来,深度学习技术凭借其强大的特征提取能力逐步成为地球物理勘探领域的研究热点。因此,研究基于深度学习的MCSEM数据消噪及定性分析技术,对提高海洋可控源电磁数据质量与辅助定性分析具有重要的研究意义与应用价值。本文主要研究工作如下:1)基于MCSEM勘探理论对信号进行分析,再结合一维正演程序,通过改变勘探仿真参数的设置,构建多种不同的海底地层模型,计算得到理论MCSEM信号,建立理论数据集;在其中叠加不同程度的模拟随机噪声,建立噪声数据集。2)提出基于深度卷积自编码器的MCSEM数据消噪方法,并根据信号特征研究网络深度、批归一化以及注意力机制等模型优化方法,增强网络的特征提取能力,使用噪声数据集和理论数据集进行模型训练与测试,根据信噪比与均方误差验证模型的有效性,并将模型应用至实测数据中。结果表明模拟噪声数据的信噪比从19.45d B提高到38.93d B,均方误差从0.0205减小到2.3835E-04,应用至中实测数据仍能够较为完整的保留信号特征,增加偏移距的可解释范围。3)设计基于长短期记忆单元（Long Short-Term Memory,LSTM）的MCSEM数据定性分析方法,采取单层、双层以及双向LSTM网络分别对理论数据集与噪声数据集进行有无高阻层定性分析,并从定性分析准确率与训练时间等方面,验证模型有效性。结果表明在理论数据集中定性分析准确率均可达100%,在噪声数据集中双向LSTM效果更优,准确率可达到80.58%。综上,本文提出的海洋可控源电磁数据消噪及定性分析技术能够取得较好的消噪及定性分析效果,对于提高MCSEM数据的质量、辅助定性分析具有重要的研究意义。