宏观煤岩类型是煤层特性的重要表征,可揭示深部煤相特征。传统钻井取心及人工观察方法成本高、操作复杂,且受限于样本范围,难以高效覆盖大区域。利用测井资料结合机器学习反演煤岩类型,能显著降低人工识别成本、提高反演精度与效率,并实现广域反演。以鄂尔多斯盆地佳县区块本溪组8号煤为研究对象,该层段四类宏观煤岩类型均有发育,采用随机森林和BP神经网络等机器学习算法,对测井数据进行反演,来预测宏观煤岩类型并分析煤相特征。研究结果表明:(1)随机森林算法预测结果和实际岩心观察结果最为接近,预测准确率达86.24%;(2)佳县地区中部与南部煤层以光亮煤和半亮煤为主,东北部煤层暗淡煤较多;(3)佳县地区整体以低位的草本沼泽与湿地草本沼泽的过渡相为主,东北部为深覆水的低位草本沼泽。