砂岩の成岩相特性は複雑で多様であり、珠江口盆地陸豊陥没帯の始新世砂岩を研究対象としている。正確な砂岩成岩相の分類および測井識別方法を確立することは重要である。成岩相を正確に区分するために、見かけの圧密率、見かけのセメント化率、見かけの溶蚀率および溶蚀面空率などの定量的パラメータを導入し、エッジ検出やしきい値分割などの画像処理技術と組み合わせて鋳型薄片の各組成含有量を抽出し、圧密、セメント化および溶蚀作用の強度の違いを体系的に表現した。成岩作用の強さに基づき、7種類の成岩相タイプに分類し、さらに3つの類にまとめた。Ⅰ類成岩相（弱圧密弱セメント強溶蚀相、および弱圧密弱セメント弱溶蚀相）は物理特性と孔隙構造が最良で、孔隙度は13%を超え、大孔隙を主体とする。Ⅱ類成岩相（弱圧密強セメント強溶蚀相、および弱圧密強セメント弱溶蚀相）は物理特性が次点で、孔隙度は9%～13%の範囲。Ⅲ類成岩相（強圧密弱セメント弱溶蚀相、強圧密強セメント強溶蚀相、および強圧密強セメント弱溶蚀相）は最悪の物理特性で、孔隙度は10%未満で微細孔を主体とする。これを基に自然ガンマ、音波遅延時間、補正中性子、補正密度および抵抗率などの従来の測井曲線と三類成岩相特性を組み合わせ、多層パーセプトロン(MLP)神経回路網モデルを構築した。変数制御法により隠れ層の層数および各層のニューロン数を最適化し、単一の隠れ層５ニューロンが最適構造であることを確定した。モデルの訓練精度は82.11%に達し、Ａ井の全23サンプルの予測精度は82.61%であり、各成岩相の測井応答特性は実際の薄片識別結果と良好に一致した。画像処理技術と多層パーセプトロンに基づく砂岩成岩相の分類および測井識別方法は、成岩相研究の定量化レベルおよび識別効率を効果的に向上させ、類似の地質背景下での砂岩貯留層成岩相評価の参考となる。

珠江口盆地;文昌層;成岩相;画像処理;機械学習;測井