Multi-atribut anallisa telah digunakan untuk memetakan distribusi reservoar (batu pasir) pada Lapangan Blackfoot. Area studi adalah sedimen dari incised-valley fill yang berada dalam formasi Glauconitic. Studi ini menggunakan data seismik 3D dan 4 buah data sumur. Data input dari multi atribut adalah berupa data seismik dan hasil inversi serta log yang akan kita prediksi penyebarannya. Digunakan Step Wise Regression dan Validasi Error sehingga didapatkan dengan meggunakan 5 buah attrbut terbaik. Adapun metode yang menggunakan Artificial Neural Networks (AANs) seperti Probabilistic Neural Network (PNN) dan Multi Layer Feed Forward (MLFN) atau teknik optimisasi non-linear untuk mengkombinasikan atribut-atribut menjadi perkiraan dari parameter yang diinginkan. Pada umumnya daerah batu pasir memiliki porositas tinggi dan impedansi rendah. Dari hubungan tersebut dan metode analisis multi attribut kita dapat mengestimasi karakteristik reservoar dengan baik.

---

Multi-attribute anallisa have been performed to map the distribution of reservoir (sandstone) at Blackfoot Field. Study Area is the sediment of the incised-valley fills within Glauconitic formations. This study uses four 3D seismic data and well data of fruit. Multi-attribute data is input from the form of seismic data and inversion results and the prediction of the log that we will spread. Used Step Wise Regression and validation error so obtained is by using the best five attrbut fruit. The method using Artificial Neural Networks (AANs) such as probabilistic neural network (PNN) and Feed Forward Multi-Layer (MLFN) or non-linear optimization techniques to combine these attributes into estimates of the desired parameters. In general, the sandstone areas have high porosity and low impedance. From these relations and multi-attribute analysis method, we can estimate with good reservoir characteristics.