El log del Factor Fotoeléctrico (PEF) es una herramienta poderosa para distinguir entre litofacies siliciclásticas y carbonatadas en el análisis de registros de pozos y correlaciones en 2D. Sin embargo, su aplicación en reservorios complejos presenta algunos desafíos debido al espaciado de los pozos. Presentamos un flujo de trabajo para extender sus capacidades a un entorno 3D para caracterizar el complejo de arrecifes Strawn y Canyon del Pennsylvaniano en el campo de Salt Creek, en el condado de Kent, Texas Occidental. Las zonas productivas dentro de este reservorio están compuestas por granos oolíticos porosos y packstones esqueléticos. Sin embargo, hay algunas capas de pizarra porosa dentro del complejo de arrecifes que son indistinguibles de las zonas de piedra caliza porosa en el registro de porosidad de neutrones, lo que ha planteado importantes desafíos para la producción de hidrocarburos. Para abordar estos problemas, utilizamos un procedimiento de aprendizaje automático que involucra análisis multiatributo y una red neuronal probabilística (PNN) para predecir el volumen del factor fotoeléctrico (PEF) para caracterizar el reservorio e identificar las capas de pizarra. Al combinar los registros de porosidad de neutrones, rayos gamma y el PEF predicho, encontramos que (1) estas capas de pizarra, denominadas aquí carbonatos influenciados por pizarra, se caracterizan por valores del factor fotoeléctrico que oscilan entre 4 y 4.26 B/E. (2) Basado en los valores de PEF, el intervalo menos poroso es el Sistema Canyon, con 4.78 B/E; mientras que el intervalo más poroso es el Sistema Strawn, compuesto principalmente por zonas con porosidad que varía del 3% al 28%, caracterizado por valores de PEF que varían de 4.26 a 4.78 B/E.