Un método efectivo para identificar y discriminar acumulaciones de gas sub-saturadas sigue sin resolverse, lo que resulta en incertidumbre en la exploración de hidrocarburos. Para abordar este problema, se realiza un análisis de múltiples atributos de aprendizaje automático no supervisado sobre datos sísmicos 3D post-apilamiento en varios bloques dentro de las aguas profundas del Golfo de México y dentro de la Cuenca de Carnarvon, frente a la costa de Australia. Los resultados revelan que los reservorios de gas de baja saturación (LSG) pueden ser discriminados de los reservorios de gas de alta saturación (HSG) utilizando una combinación de atributos instantáneos que son sensibles a pequeñas anomalías de amplitud, frecuencia y fase con mapas autoorganizados (SOMs). Esta metodología muestra promesas para reducir riesgos en las perspectivas, incluso si no es cuantitativa, particularmente en cuencas fronterizas y de exploración donde puede que no existan pozos o sean muy limitados. Sin embargo, este método solo demostró ser exitoso dentro del Golfo de México y arrojó resultados limitados en la Cuenca de Carnarvon. Esta diferencia se debe probablemente a que la Cuenca de Carnarvon tiene una respuesta de amplitud diferente como resultado de una historia de enterramiento y saturaciones de fluidos distintas en comparación con el Golfo de México. Por lo tanto, este método no es transferible, y puede ser necesaria una combinación diferente de atributos en otras cuencas propensas a LSG.