Os métodos de aprendizado de máquina são as principais técnicas para o reconhecimento litológico de rochas carbonatadas por meio de registro de poço. A escolha do método de aprendizado de máquina adequado para diferentes condições geológicas e dados é um dos fatores-chave para o reconhecimento litológico de alta precisão. No entanto, há poucos estudos sobre a aplicabilidade dos métodos de aprendizado de máquina para reconhecimento litológico. Assim, foram listados quatro dos métodos mais usados para reconhecimento litológico por aprendizado de máquina: análise de agrupamento com rede neural auto-organizável (SOM), análise de agrupamento multirresolução baseada em imagem (MRGC), algoritmo de classificação k-vizinhos mais próximos (KNN) e método de rede neural (ANN). Comparando os princípios dos métodos e seus efeitos práticos, resumiram-se as vantagens, desvantagens e aplicabilidades dessas quatro técnicas de aprendizado de máquina. Em casos de poucas amostras de testemunho, o método MRGC é preferido; em casos com grandes quantidades de dados de testemunho, os métodos KNN ou MRGC são preferidos. Sua aplicação no reconhecimento litológico dos estratos do grupo Longwangmiao na região MX da bacia de Sichuan demonstrou que os métodos MRGC e KNN apresentaram os melhores resultados, seguidos pelo método SOM, com o método ANN apresentando o pior desempenho. A aplicação prática e a análise comparativa de diferentes métodos de aprendizado de máquina oferecem referência para a aplicação de métodos de reconhecimento litológico de rochas carbonatadas em outras camadas ou áreas de trabalho, possuindo alto valor prático.

rochas carbonatadas; reconhecimento litológico; aprendizado de máquina; grupo Longwangmiao; bacia de Sichuan