تعد طرق التعلم الآلي الوسيلة الرئيسية لتحديد نوع الصخور الجيرية من خلال قياس البئر، ومن أجل حالات جيولوجية وبيانات مختلفة، فإن اختيار طريقة التعلم الآلي المناسبة هو أحد العوامل الرئيسية لتحقيق تحديد عالي الدقة لنوع الصخر. ومع ذلك، توجد أبحاث قليلة حول قابلية تطبيق طرق التعلم الآلي في تحديد نوع الصخور، ولهذا تم سرد أربع طرق شائعة الاستخدام لتحديد نوع الصخور باستخدام التعلم الآلي: طريقة تحليل التجميع باستخدام الشبكات العصبية التنظيمية الذاتية (SOM)، طريقة تحليل التجميع المتعدد الدقة المستندة إلى الصور (MRGC)، خوارزمية التصنيف لأقرب الجيران (KNN)، وطريقة الشبكات العصبية (ANN). من خلال مقارنة مبادئ الطرق وتأثير تطبيقها العملي، تم تلخيص مزايا وعيوب وقابلية تطبيق هذه الطرق الأربعة، ففي حالة وجود عدد قليل من عينات النواة، يفضل استخدام طريقة MRGC؛ أما في حالة وجود عدد كبير من عينات النواة، فيفضل استخدام طريقة KNN أو MRGC. وفي تطبيق تحديد نوع الصخور من تكوين مجموعة Longwangmiao في منطقة MX بحوض Sichuan، أظهرت أن طرائق MRGC و KNN كانت الأفضل، تليها طريقة SOM، وكانت طريقة ANN الأقل أداءً. إن التطبيقات العملية والتحليلات المقارنة لطرق التعلم الآلي المختلفة تلعب دورًا مرشدًا في تطبيق طرق تحديد نوع الصخور الكربونية في طبقات أخرى أو مناطق أخرى، ولها قيمة عملية عالية.

صخور كربونية; تحديد نوع الصخور في البئر; التعلم الآلي; مجموعة Longwangmiao; حوض Sichuan