研究人员开发了一种无监督机器学习方法，仅使用测井数据对加纳克塔盆地的岩石地层进行分类和估算孔隙度。该方法应用K-means聚类分析了特定井的六种不同测井数据，识别出四种不同的电相。这些识别出的聚类与粘土含量和岩石性质的变化相关，为缺乏岩心数据的区域提供了实用的地下地质表征工具。 AI
影响 为前沿盆地的地下地质表征提供了一个仅基于测井数据的无监督聚类框架。
排序理由 这是一篇发表在arXiv上的研究论文，详细介绍了一种新的地质分析方法。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
arXiv:2604.27126v1 Announce Type: new Abstract: This study presents an unsupervised machine learning workflow for electrofacies analysis in the offshore Keta Basin, Ghana, where core data are scarce. Six standard wireline logs from Well~C were analysed over a depth interval compr…