A self-organising neural network trained with open-hole logs measurements and indexed from a limited geological knowledge resulting from core or cuttings observation allows to determine the number, the thickness and the nature of all the geological units sampled during drilling. Following the self-organisation stage, the distribution of the weights associated to the neural network nodes replicates the topology of the dataset. To cite this article: L. Briqueu et al., C. R. Geoscience 334 (2002) 331–337.

Le traitement des diagraphies par la mise en œuvre d'un réseau de neurones non supervisé et indexé à l'aide d'une connaissance géologique très fragmentaire résultant de l'observation des carottes permet de déterminer un log stratigraphique quasiment continu. Après la phase d'apprentissage, la structure du réseau de neurones reproduit la topologie des données. Appliquée aux diagraphies enregistrées dans le forage MAR203 réalisé par l'Andra sur le belvédère de Marcoule (Gard rhodanien), cette nouvelle méthode d'identification de la lithologie permet d'étudier, non seulement les transitions d'un faciès à l'autre, mais aussi les différenciations faciologiques internes à l'un d'entre eux : la CSM. Pour citer cet article : L. Briqueu et al., C. R. Geoscience 334 (2002) 331–337.