基于AVO分析的流体识别理论认为，岩石的弹性性质与地震振幅特征之间存在着定量的联系，通过Zoeppritz方程能够将叠前地震数据的振幅信息转化为岩石的弹性参数，进而应用于储层流体的识别。这类具备流体识别能力的弹性参数以及它们之间的多种组合参数统称为流体因子。流体因子作为基于AVO分析的流体识别技术的核心，其提取精度关系到最终储层流体识别的可信度。　　流体因子的流体识别能力受多种因素影响，并不存在对所有研究区其流体识别能力都最强的流体因子。因此开展储层流体识别之前，有必要根据实际研究区地质情况，优选出目标流体因子。在传统目标流体因子优选方法基础上将背景岩性的影响纳入到流体识别能力评价标准当中，使得目标流体因子的优选更加符合实际储层情况。　　面对数目众多的流体因子，如果单独论述其提取方法并不现实。将常见流体因子分为AVO属性与弹性参数两大类，以期同类流体因子在提取方法间具有一定的共性。基于AVO分析的流体因子的提取离不开振幅类反演技术，主要基于叠前AVO属性反演与弹性阻抗反演技术对两大类流体因子展开提取方法研究。在总结了常见Zoeppritz近似方程特点的基础上，通过条件数与近似精度分析，认为合理地选择近似方程能有效地保证AVO属性反演的稳定性以及流体因子的提取精度。依据弹性阻抗反演理论，在归纳出弹性阻抗方程的一般表达式基础上，给出了弹性参数类流体因子的通用提取流程。针对弹性阻抗方程与实际地震道集之间的矛盾，依据叠加阻抗理论将常见弹性阻抗方程改写成了角度范围的函数，提高了弹性参数的提取精度。鉴于泊松比在流体识别中的重要性，提出了一种直接提取泊松比的方法，可有效地减少由纵、横波速度间接计算带来的累积误差。　　叠前AVO属性反演与弹性阻抗反演技术在提取流体因子的过程中均需要进行线性回归，而实际应用中使用最为广泛的最小平方回归对噪声扰动十分敏感。将统计学中的鲁棒回归理论引入到流体因子的提取当中，基于修正柯西分布，推导出了修正柯西鲁棒误差函数，以期高鲁棒性地提取出流体因子。　　根据实际资料，在完整地展示了流体因子的优选、提取及应用过程的同时也验证了论文方法的正确性。实际储层流体识别表明，如果提取方法得当，流体因子能够准确地刻画储层流体的分布，从而能为有利储层的圈定提供可靠的参考依据。