기계학습법은 탄산염암 층서측정 식별의 주요 기술 수단으로, 다양한 지질 상황과 자료에 따라 적절한 기계학습 방법을 선택하는 것이 고정밀도 층서 식별의 핵심 요소 중 하나이다. 그러나 기계학습 방법의 적용성에 관한 연구는 부족하다. 이에 가장 일반적으로 사용되는 네 가지 기계학습 층서 식별 방법을 나열하였다: 자기조직화 신경망 군집 분석법(SOM), 이미지 기반 다중해상도 군집 분석법(MRGC), k-최근접 이웃 분류 알고리즘(KNN), 신경망법(ANN). 각 방법의 원리와 실제 적용 효과를 비교하여 이 네 가지 기계학습법의 장단점과 적용성을 정리하였다. 소량의 코어 샘플에서는 MRGC 방법을 우선 선택하며, 다수의 코어 데이터에서는 KNN 또는 MRGC 방법을 우선 선택한다. 쓰촨 분지 MX 지역 용왕묘조 지층 층서 식별 적용에서는 MRGC와 KNN 방법이 가장 우수하고, SOM 방법이 그 다음이며 ANN 방법은 가장 낮은 성능을 보였다. 다양한 기계학습 방법의 실제 적용 및 비교 분석 결과는 탄산염암 층서측정 식별 방법을 다른 층서군 또는 다른 작업 구역에 적용하는 데 있어서 참고가 되며, 실용적 가치가 크다.

탄산염암 층서; 층서측정 식별; 기계학습; 용왕묘조; 쓰촨 분지