Sandsteinfelsen zeichnen sich durch die Komplexität ihrer Bildung und die Vielfalt der Typen aus, es ist wichtig, eine präzise Methode zur Klassifizierung und Bestimmung der Sandsteinbildung in Lu Feng im Perlflussbecken zu entwickeln. Für eine genaue Klassifizierung der Bildung werden Einflussparameter der Bildung und Bildverarbeitungstechnologie verwendet, und der Inhalt jedes Bestandteils in den Gussplatten charakterisiert die Unterschiede in der Stärke des Einflusses der Sandsteinbildung wie Verdichtung, Zementation und Erosion, und dann wird die Sandsteinbildung je nach Einflussstärke in Klassen I, II, III eingeteilt. Anschließend wird ein mehrschichtiges Perceptron-Neuronenmodell auf der Basis von natürlichen Gamma-Kurven, akustischer Verzögerung, kompensierten Neutronen, kompensierter Dichte und Widerstandsmessung aufgebaut, und die Kurvendaten werden als Merkmale zur Klassifizierung des Sandsteins I, II, III in Klassen verwendet, variable geändert und Modellparameter verbessert und schließlich die Trennung und Erkennung des Sandsteins erfolgt. Im Vergleich zu echten Sandsteingussschichten erreichte die Genauigkeit des sanften Erkennungsmodells 82,11%, und das Modell wurde zur Erkennung des Bohrsandsteins LF13-9-1 angewendet, die Gesamtzahl der Proben betrug 23 und die Erkennungsgenauigkeit des Sandsteins betrug 82,61%, was zeigt, dass das Modell eine gute Erkennungswirkung hat. Die etablierte Methode der Klassifizierung und Erkennung der Sandsteinbildung, basierend auf der Bildverarbeitungstechnologie und dem mehrschichtigen Perceptron-Neuronenmodell, kann detaillierte Informationen zur Erkennung der Sandsteinbildung liefern.

Perlflussbecken; Wen Chang-Gruppe; Sandsteinbildung; Bildverarbeitung; Maschinelles Lernen; Diagraphie