碳酸盐岩地层因其复杂的沉积成岩演化过程,岩石类型较为多样,同时受到孔隙及流体性质的影响,岩性测井响应特征变化较大,给岩性的识别带来了困难.针对传统方法对测井参数垂向结构特征以及岩性特征多样性表达能力不足的问题,引入胶囊网络以提升复杂碳酸盐岩岩性识别的效果.胶囊网络通过卷积结构提取测井参数的时序特征,并用胶囊向量表达特征的不变性和共变性,能够有效挖掘测井参数和岩性在空间序列结构特征之间的深度内在关系,从而构建高精度的岩性识别模型.以鄂尔多斯盆地苏里格气田东区W区块碳酸盐岩储层为例,开展胶囊网络在岩性识别中的应用研究.首先,基于对岩性信息敏感的6种测井参数划分训练集和测试集;其次,构建基于多尺度卷积和跳跃连接结构的胶囊网络模型.与传统机器学习方法和常规深度学习方法相比(K近邻、朴素贝叶斯、支持向量机、BP神经网络和卷积神经网络等),基于胶囊网络的岩性识别模型正确率达到96.65％,识别精度提高1.59％～32.06％.实验结果表明,胶囊网络能够有效地提取测井数据的时序特征和垂向结构特征,为复杂碳酸盐岩岩性识别提供一种新的思路.