对裂隙储层的识别和认知对地震预测、油气勘探以及矿产开发等都具有重要意义,对裂隙参数进行反演和预测能够为油气资源开发增产、避免矿井灾害等提供一定技术支持。在各向异性介质中,正交各向异性（Orthogonality Anisotropy,OA）介质既考虑了周期性薄层引起的各向异性,又考虑了垂向裂隙各向异性,与实际地下储层较为接近,是进行各向异性参数或裂隙参数反演较常选用的模型之一。粒子群标准算法（Particle Swarm Optimization,PSO）是一种基于粒子群体的随机算法,该算法计算流程简单,控制参数较少,是一种常用的非线性反演方法,但是单一的PSO算法在寻优过程中容易陷入局部极小值,全局搜索能力较差,本文将PSO算法与模拟退火法（Simulated Annealing,SA）相结合,在PSO算法的基础上加入SA算法,通过调整温度,实现对PSO算法全局最优位置选择的修正,对PSO算法与SA算法进行混合优化,这种基于模拟退火的粒子群优化算法（PSO-SA）,具有全局寻优能力更强、克服早熟现象、不易陷入局部极小值等优点。各向异性AVO反演的基础是各向异性介质反射系数近似方程,本文基于OA介质的反射系数近似方程,建立关于OA介质各向异性参数的反演目标函数,使用PSO-SA算法实现OA介质的叠前AVO反演,获取OA介质的各向异性参数,并通过各向异性参数与裂隙弱度等参数的关联,对裂隙填充物类型进行有效预测,进一步,利用裂隙弱度与裂隙密度以及 ODHSR（Orthorhombic Differential Horizontal Stress Ratio）因子的关系,对介质的裂隙密度和ODHSR因子进行预测,最终通过OA介质各向异性参数反演实现对裂隙相关的裂隙弱度、裂隙密度和ODHSR因子等参数的预测。本文建立多组由简单到复杂的理论模型,并对Marmousi2部分模型进行改进,利用多种模型对反演方法进行试算,反演过程稳定,反演结果误差较小,预测结果与实际先验模型吻合,论证了该反演方法的正确性和有效性,研究成果将为地震波各向异性AVO反演提供理论支持,为裂隙型储层识别及储层地应力分析提供更多理论依据。