Unsupervised Electrofacies Classification and Porosity Characterization in the Offshore Keta Basin Using Wireline Logs

Diese Studie wendet einen unüberwachten maschinellen Lernworkflow, insbesondere K-Means-Clustering, zur Elektrofaziesanalyse und Porositätscharakterisierung in Bohrlochmessdaten in Offshore-Becken an. Die Methodik identifizierte vier unterschiedliche Elektrofazies mit moderater Trennung und bietet einen robusten, nur auf Logs basierenden Ansatz für die geologische Interpretation, wo Kerndaten rar sind.