本发明公开了一种基于深度学习的储层特征预测方法，包括：获取测井数据训练集；构建卷积神经网络和加入了注意力层的前后向长短时记忆神经网络，并结合两者进行序列建模，生成多模Bi‑LSTM模型；将所述训练集输入多模Bi‑LSTM模型，采用联和训练的方式对其进行训练，对卷积神经网络和加入了注意力层的前后向长短时记忆神经网络的参数进行联合优化；将实际测井数据输入训练后的多模Bi‑LSTM模型，并通过该模型预测得到储层特征的预测结果。本发明利用双向长短时记忆能高效精准地进行时间序列预测的优点，再加上注意力机制层，弥补了卷积神经网络处理有序列相关性数据的不足，能够精准地预测不同深度储层的孔隙度和渗透率等储层特征。