实际生产中的测井横波资料通常很少或缺失，在地震资料解释与处理中需进行要人工补足缺失的测井横波资料，常规的线性回归方法得到的结果无法解释各种属性之间复杂的对应关系。随着机器学习的发展并被应用到地震数据处理等领域，通过神经网络的非线性映射的能力可以弥补线性拟合横波速度上的不足，并利用其优势进行横波预测，但机器学习中仍存在过拟合或拟合能力不足问题。针对该问题选择遗传算法与高斯过程回归共同优化后的神经网络进行训练。实践表明：与多元拟合和支持向量机回归相比，结果的精度相对误差有所降低，并用岩石物理测试获得的横波速度进行对比，验证了该方法的可靠性。