由于低孔低滲儲層孔隙結構較為復雜，現有核磁共振（NMR）測井滲透率模型對于低孔低滲儲層預測精度不高。為此，提出一種融合深度置信網絡（DBN）算法與核極限學習機（KELM）算法的滲透率預測方法。該方法首先對DBN模型進行預訓練，然后將KELM模型作為預測器放置在訓練好DBN模型后，利用訓練數據進行有監督的訓練，最終形成深度置信一核極限學習機（ DBKELMN）模型。考慮到該模型需充分利用反映孔隙結構的橫向弛豫時間譜信息，將離散化后的核磁共振測井橫向弛豫時間譜作為輸入，滲透率作為輸出，確定NMR測井橫向弛豫時間譜與滲透率的函數關系，并基于該函數關系對儲層滲透率進行預測。實例應用表明，融合DBN算法與KELM算法的滲透率預測方法是有效的，預測樣本的平均絕對誤差（ MAE）較斯倫貝謝道爾研究中心（SDR）模型降低了0.34。融合DBN算法與KELM算法的滲透率預測方法可提高低孔滲儲層滲透率預測精度，可應用于油氣田勘探開發。