Los métodos de aprendizaje automático son las principales técnicas para la identificación litológica de rocas carbonatadas mediante registros de pozo. La elección del método de aprendizaje automático adecuado según las diferentes condiciones geológicas y datos es uno de los factores clave para una identificación litológica de alta precisión. Sin embargo, hay pocos estudios sobre la aplicabilidad de los métodos de aprendizaje automático para la identificación litológica. Por ello, se enumeran cuatro métodos de aprendizaje automático más utilizados para la identificación litológica: análisis de agrupamiento con redes neuronales autoorganizadas (SOM), análisis de agrupamiento multiresolución basado en imágenes (MRGC), algoritmo de clasificación de k vecinos más cercanos (KNN) y método de redes neuronales (ANN). Comparando los principios de los métodos y su aplicación práctica, se resumen las ventajas, desventajas y aplicabilidad de estos cuatro métodos de aprendizaje automático. En caso de pocas muestras de testigos, se prefiere el método MRGC; con una mayor cantidad de muestras, se prefieren los métodos KNN o MRGC. La aplicación en la identificación litológica de la formación del grupo Longwangmiao en la región MX de la cuenca de Sichuan muestra que los métodos MRGC y KNN son los mejores, seguidos del método SOM, y el método ANN es el menos efectivo. Las aplicaciones prácticas y análisis comparativos de diferentes métodos de aprendizaje automático sirven como referencia para la aplicación de métodos de identificación litológica de rocas carbonatadas en otras formaciones o áreas de trabajo, y tienen un alto valor práctico.

rocas carbonatadas; identificación litológica; aprendizaje automático; grupo Longwangmiao; cuenca de Sichuan