基于多源数据综合识别的风暴成因优质岩相识别方法

本发明属于地质沉积学领域，尤其是基于多源数据综合识别的风暴成因优质岩相识别方法，A:数据获取与预处理S1：数据获取与确认，即根据岩心、野外露头、测井曲线、录井资料，使用卷积神经网络(CNN)自动识别岩心中的“似鲍马序列”特征，输出风暴沉积样品信息；S2：采用深度学习(U‑Net)结合沉积构造对岩心图像进行自动岩相分类；S3：采用时间序列分析(LSTM或Transformer)自动识别“箱型”(风暴坝主体)和“钟形、指型”(风暴坝侧缘)曲线特征。本发明通过综合多元数据，建立优质岩相识别模型，大大提高了识别的精度与效率，为风暴沉积环境中的油气储层评价提供了科学依据。