纹层的高效高精度定量表征对于页岩储层评价至关重要。页岩纹层研究存在纹层识别方法准确度低、操作繁琐,宏观尺度纹层与微观尺度纹层未建立联系等问题。基于薄片鉴定、成像测井及岩心分析数据,通过图像处理、信号处理、LightGBM模型、卷积神经网络、长短期记忆网络和柯尔莫戈洛夫-阿诺德网络(KAN)创建了川南筇竹寺组页岩不同尺度纹层识别方法和纹层系识别预测模型(Laminae-Net),建立了不同尺度纹层密度之间的统一表征方法,并探讨了纹层发育特征对页岩储层的影响。研究结果表明:基于图像处理和信号处理的薄片纹层识别分析方法能够准确识别出亮色纹层和暗色纹层,实现纹层厚度和密度的精确表征;成像测井纹层识别分析方法可以高效、高精度表征纹层数量和厚度。川南地区筇竹寺组主要发育8类纹层系,Laminae-Net模型在测试集上识别纹层系的准确率达到95.4%。筇竹寺组纹层主要发育在(1),(3),(5),(6),(7)和(8)小层,通过薄片和成像测井纹层密度验证了纹层发育尺度不变性特征。首次建立跨尺度的纹层计算方法,其拟合优度(R²)达到0.813。总有机碳含量(TOC)与纹层密度呈负相关关系,孔隙度及水平渗透率与纹层密度呈正相关关系。研究为不同尺度的纹层识别分析提供了方法支撑,将纹层的研究推广到更大的尺度,对于推动纹层的研究有一定的借鉴意义。