Die charakteristischen Merkmale der sandstein-diagenetischen Fazies sind komplex und vielfältig. Als Untersuchungsobjekt wurden die eozänen Sandsteine der Lufeng-Vertiefung im Perlflussdelta-Becken gewählt. Es ist von großer Bedeutung, ein genaues Klassifikationssystem für sandstein-diagenetische Fazies und Methoden zur Identifizierung anhand von Bohrlochmessungen zu etablieren. Zur genauen Unterteilung der Fazies wurden quantitative Parameter wie scheinbare Kompaktationsrate, scheinbare Zementationsrate, scheinbare Auslaugungsrate und die Porosität durch Auslaugung eingeführt. Mit Bildverarbeitungstechnologien wie Kantendetektion und Schwellenwertsegmentierung wurden die Inhaltsstoffe der Gussplatten extrahiert, um systematisch die Unterschiede in der Stärke von Kompaktion, Zementation und Auslaugung zu charakterisieren. Aufgrund der Intensität der Diagenese wurden sieben Fazies-Typen identifiziert und weiter zu drei Kategorien zusammengefasst: Kategorie I (schwache Kompaktion, schwache Zementation und starke Auslaugung, sowie schwache Kompaktion, schwache Zementation und schwache Auslaugung) weist die besten physikalischen Eigenschaften und Porenstrukturen auf, die Porosität beträgt über 13% und die großen Poren dominieren; Kategorie II (schwache Kompaktion, starke Zementation mit starker oder schwacher Auslaugung) weist mittlere Eigenschaften mit einer Porosität von 9% bis 13% auf; Kategorie III (starke Kompaktion, schwache Zementation und schwache Auslaugung, starke Kompaktion, starke Zementation und starke Auslaugung sowie starke Kompaktion, starke Zementation und schwache Auslaugung) hat die schlechtesten Eigenschaften mit einer Porosität unter 10%, dominiert von Mikroporen. Auf dieser Grundlage werden konventionelle Bohrlochkurven wie natürliche Gamma-, Schalllaufzeit-, kompensierter Neutronen-, kompensierter Dichte- und Widerstandskurven mit den Eigenschaften der drei Fazies-Kategorien kombiniert, um ein mehrschichtiges Perzeptron (MLP) neuronales Netz zu erstellen. Die Anzahl der versteckten Schichten und der Neuronen pro Schicht wurde mit der Variablenkontrollmethode optimiert, es wurde eine optimale Struktur mit einer einzelnen versteckten Schicht und 5 Neuronen bestimmt. Die Trainingsgenauigkeit des Modells erreichte 82,11%, die Vorhersagegenauigkeit für alle 23 Proben aus Bohrung A betrug 82,61%. Die Bohrloch-Antwortmerkmale jeder Fazies stimmen gut mit den tatsächlichen Identifikationsergebnissen der Dünnschliffe überein. Die Klassifikation und Identifikation diagenetischer Sandsteinfazies basierend auf Bildverarbeitungstechniken und MLP verbessert effektiv das quantitative Niveau und die Effizienz der Faziesforschung und bietet eine Referenz für die Bewertung diagenetischer Sandsteinreservoire in ähnlichen geologischen Kontexten.

Perlflussdelta-Becken; Wenchang-Formation; diagenetische Fazies; Bildverarbeitung; maschinelles Lernen; Bohrlochmessung