best365中国版官网硕士研究生李文闯以第一作者身份在中科院一区TOP期刊《Petroleum Science》上发表了题为“A DBOKS-based hybrid machine learning method for carbonate rock classification”的研究论文（图1）。长江大学best365中国版官网为论文第一署名单位、通讯作者单位，硕士生李文闯为第一作者，其导师赵仲祥副教授为通信作者。论文针对复杂碳酸盐岩岩性识别中测井响应相似、过渡岩性样本稀缺以及纵向岩性序列连续性难以表征等问题，提出了融合特征增强、样本平衡与序列校正的混合机器学习方法。
论文链接：https://doi.org/10.1016/j.petsci.2026.04.043
图1 论文首页
四川盆地东部嘉陵江组碳酸盐岩储层岩性复杂，受沉积环境变化、白云石化、膏化和溶蚀等作用影响，不同岩性之间常表现出相近甚至重叠的测井响应。尤其是云质灰岩、灰质云岩和膏质云岩等过渡岩性，多以薄层或薄互层形式出现，单类样本数量有限，传统机器学习模型易偏向于样本数量较多的岩性；同时，常规点式分类往往将每一个深度点独立处理，容易产生与实际地层演化不一致的离散跳变。针对上述问题，研究团队构建了DBOKS-HMM技术框架（图2）。其中，DBOKS方法利用蜣螂优化算法对K-means聚类过程进行优化，并在聚类约束下实施SMOTE样本增强，以改善少数类过渡岩性在特征空间中的表征；在初步分类结果基础上，引入隐马尔可夫模型和Viterbi解码算法，结合地层垂向序列先验，对岩性预测结果进行连续性校正。该框架将“测井响应特征识别”与“地质序列约束”相结合，提高了模型结果与实际地层结构之间的一致性。
图2 DBOKS-HMM碳酸盐岩岩性识别与序列校正技术路线
当前位置：
