Neste trabalho apresentamos um algoritmo baseado em agrupamento de dados para o mapeamento automático de horizontes e de falhas sísmicas a partir de dados sísmicos 3D. Apresentamos uma técnica para quantizar o volume sísmico de entrada a partir dos neurônios do grafo resultante do processo de treinamento de uma instância do algoritmo Growing Neural Gas (GNG). No conjunto de amostras de entrada utilizadas pelo GNG, cada amostra representa um voxel do volume de entrada, e retém informações da vizinhança vertical desse voxel. Depois da etapa de treinamento, a partir do grafo gerado pelo GNG um novo volume quantizado é gerado, e nesse volume possíveis ambigüidades e imperfeições existentes no volume de entrada tendem a ser minimizadas. A partir do volume quantizado descrevemos uma nova técnica de extração de horizontes, desenvolvida com o objetivo de que seja possível mapear horizontes na presença de estruturas geológicas complexas, como por exemplo horizontes que possuam porções completamente desconectadas por uma ou mesmo diversas falhas sísmicas. Também iniciamos o desenvolvimento de uma abordagem de mapeamento de falhas sísmicas utilizando informações presentes no volume quantizado. Os resultados obtidos pelo processo de mapeamento de horizontes, testado em volumes diferentes, foram bastante promissores. Além disso, os resultados iniciais obtidos pelo processo de extração de falhas sugerem que a técnica pode vir a ser uma boa alternativa para a tarefa.