Hasil Pencarian  ::  Simpan CSV :: Kembali

"Spektral dekomposisi memberikan sebuah arti baru dalam penggunaan data seismik dan Discrite Fourier Transform (DFT) untuk penggambaran dan pemetaan ketebalan lapisan fungsi waktu dan ketidak selarasan geologi meliputi survey seismic 3-D yang luas. Dengan mentranformasikan data seismik ke domain frekuensi dengan DFT, amplitudo spektrumnya mengindikasikan variasi ketebalan lapisan fungsi waktu sedangkan spektrum phase nya mengindikaskan ketidakselararan geologi secara lateral. Sementara itu, geostatistik menyediakan teknik integrasi antara data sumur (?hard data?) dan data seismik ("soft data"). Lebih dari satu dekade, khususnya ketika mengintergrasikan data seismik 3-D dan data sumur, teknik geostatistik telah diterima sebagai teknologi untuk karakterisasi reservoar minyak bumi.Penelitian ini dilakukan dengan membuat suatu metode untuk estimasi ketebalan reservoar batupasir dengan mengintegrasikan metode spektral dekomposisi dan teknik geostatistik. Model sintetik lapisan membaji digunakan untuk membuktikan teori spektral dekomposisi. Setelah sukses dalam karakterisasi model sintetik, kemudian metode ini digunakan pada data riil dengan mengintegasi teknik geostatistik untuk kuantifikasi ketebalan reservoir batupasir. Dari metode spektral dekomposisi diperoleh attribut frekuensi tuning yang mempunyai korelasi terbalik dengan ketebalan reservoar pada sumur-sumur kontrol. Dengan teknik geostatistik, attribut frekuensi tuning digunakan sebagai preditor untuk mengestimasi ketebalan reservoar batupasir diluar sumur kontrol.Dua model kasus dengan berbeda koefisien korelasi digunakan untuk menguji metode ini. Untuk validasi, kemudian digunakan dua data sumur sebagai blind test di masing-masing kasus untuk mengetahui keakuratan estimasi ketebalan reservoar batupasir dengan metode ini dibandingkan dengan metode konvensional kriging data sumur saja. Hasilnya memperlihatkan bahwa metode ini memberikan hasil yang lebih akurat dibandingkan dengan metode konvensional. Sehingga metode ini dapat menjadi salah satu alternatif untuk kuantifikasi ketebalan reservoar.

---

Spectral decomposition provides a novel means of utilizing seismic data and the Discrete Fourier Transform (DFT) for imaging and mapping temporal bed thickness and geologic discontinuities over large 3-D seismic surveys. By transforming the seismic data into the frequency domain via the DFT, the amplitude spectra delineate temporal bed thickness variability while the phase spectra indicate lateral geologic discontinuities. Meanwhile, geostatistics provide data integration techniques between wells data (?hard data?) and seismic data (?soft data?). For more than a decade, geostatistical techniques, especially when incorporating 3-D seismic data, have been an accepted technology to characterize petroleum reservoirs.

The research was done by building a methodology for estimating sandstone reservoir thickness by integrating spectral decomposition and geostatistical techniques. Wedge synthetic model used for proving spectral decomposition theory. After having a successfully in characterization on synthetic model then the methodology applied to the real data with geostatistical techniques for quantify sandstone reservoir thickness. From spectral decomposition method, we got attribute tuning frequency which have inverse correlation with sandstone reservoir thickness in control wells. With geostatistic technique, collocated cokriging, attribute frequency tuning used as predictor for quantifying sandstone reservoir thickness away from the wells.

Two difference cases with difference correlation coefficient used for testing this method. For validation, then two wells used as blind test for every case to understand the accurateness of this method compare to conventional method using kriging wells data only. This method gave an accurate results compare to conventional kriging method. And this method can be used an alternative method for quantify reservoir thickness."

"Dekomposisi Spektral adalah metode yang menghasilkan ekspresi dari sebuah tras seismik pada domain waktu-frekuensi yang digunakan untuk menunjukkan broadband dari data seismik menjadi komponen frekuensinya. Analisis dari komponen spektra individu frekuensi ini dapat menunjukkan informasi geologi yang dibutuhkan lebih baik apabila dibandingkan dengan analisis data broadband secara konvensional. Selain itu dapat juga digunakan untuk mengestimasi lapisan tipis batubara yang memiliki temporal thickness lebih kecil dari ¼ λ. Ketebalan lapisan tipis batubara diwujudkan sebagai uraian dari rekaman spektrumnya. Metode yang digunakan dalam pengolahan data dekomposisi spektral ini adalah metode Continuous Wavelet Transform (CWT) yang menghasilkan domain waktu-frekuensi yang dapat menghasilkan resolusi gambaran seismik yang lebih baik dalam domain waktu-frekuensi.Pada penelitian ini data yang digunakan adalah 17 lintasan data seismik 2D dan 2 data sumur yang memiliki data checkshot. Hasil akhir yang diperoleh adalah peta estimasi penyebaran lateral lapisan tipis batubara dari lapangan ?B? pada Cekungan Sumatra Selatan dengan menggunakan Dekomposisi Spektral dengan metode CWT. Pada hasil akhir diperoleh lapisan batubara yang potensial di bagian tengah dan selatan daerah penilitian.

---

Spectral Decomposition is one of methods that decompose seismic trace in to time-frequency domain to demonstrate the seismic broadband data become its time-frequency. Time-frequency analysis and its component showing geologic features better than another conventional broadband data analysis. Spectral Decomposition is also used for estimating of coal seam that has temporal thickness less than ¼ λ. The thickness coal seam is manifested as its spectrum. The spectral decomposition algorithm that is used is Continuous Wavelet Transform (CWT) in time-frequency domain that yielding better seismic resolution in time-frekuensi domain.

This study used 17 lines of 2D seismic data and 2 well data that each has a checkshot data. This work produced map of lateral distribution of coal seam at the field "B" in South Sumatra Basin. The result show that the most potential coal seam is from the centre and north from study area."

"Dekomposisi spektral lanjutan dengan menggunakan metode Continous Wavelet Transform (CWT) dilakukan dengan mencari estimasi nilai atenuasi pada data seismik. Penggunaan dekomposisi spektral dengan metode CWT memperlihatkan hasil yang lebih baik dibandingkan dengan metode dekomposisi spektral yang lain. Obyek penelitian adalah lapisan shale prospektif pada formasi Talang Akar. Daerah penelitian terletak di Lapangan X yang berada di cekungan south sumatera offshore. Sebelum dilakukan dekomposisi spektral, penelitian difokuskan terlebih dahulu pada analisis petrofisika untuk menentukan lapisan shale prospektif. Selain itu, dilakukan pula overlay kurva DlogR dengan kurva Transit time sonic dan Resistivitas. Lapisan zona target shale diinterpretasikan sebagai zona shale yang prospektif. Dan data-data ini diperkuat dengan analisis lanjutan dekomposisi spektral dengan nilai atenuasi dari faktor Q yang telah diestimasi."

"Tugas akhir ini membicarakan Algoritma Out-of-Kilter serta penerapannya pada persoalan minimal cost Circulation. Algoritma Out-of kilter berdasarkan teori dualitas dari persoalan Linier Programming, sangatlah efektif bila algoritma ini diterapkan pada pesoalan-persoalan jaringan yang berskala besar."

"ABSTRAKPelacakan objek secara visual adalah proses melokalisasi terus menerus entitas visual pada suatu urutan video. Disertasi ini menyelidiki masalah short-term model-free tracking yang mempunyai tujuan utama untuk melacak sembarang objek berdasarkan satu kotak anotasi dari objek dan oleh karena itu disebut sebagai model-free. Short-term di sini berarti bahwa pelacak tidak melakukan deteksi ulang setelah target menghilang dalam pelacakan. Banyak faktor yang mempengaruhi kinerja algoritma pelacakan. Dalam Visual Tracker Benchmark, terdapat sebelas tantangan dalam pelacakan objek, yaitu: variasi iluminasi, variasi skala, oklusi, deformasi, blur, gerakan yang cepat, in-plane rotation, out-of-plane rotation, keluar dari pandangan, latar belakang yang kusut, dan resolusi yang rendah. Selama ini belum ada satu pelacak yang berhasil menangani semua skenario tersebut dengan kokoh robust . Selain itu, implementasi dari pelacak ini harus cukup cepat fast agar berguna dalam aplikasi nyata. Disertasi ini mengusulkan algoritma pelacakan yang baru dalam kerangka Bayesian. Algoritma yang diusulkan dikonstruksi dengan memecahkan optimal particle filter OPF secara efisien menggunakan metode spektral. Oleh karena itu, pelacak yang dikonstruksi disebut sebagai spectral tracker ST . Walaupun pelacak ini dapat melakukan komputasi posisi secara efisien, tetapi tidak dapat mengestimasi skala dan rotasi. Untuk mengatasi kelemahan ini, diusulkan penggunaan banyak titik observasi sekaligus dan menggunakan informasi pergerakan titik-titik observasi ini untuk mengestimasi skala dan rotasi. Selanjutnya dilakukan eksperimen untuk melihat pengaruh pra-pemrosesan citra meliputi warna, tekstur dan saliensi pada kinerja pelacakan dengan membangun 6 variasi model observasi dari pelacak ST. Akhirnya, kinerja variasi pelacak ST ini dibandingkan dengan 9 pelacak pembanding yang relevan pada 100 himpunan data. Hasil secara keseluruhan terdapat sebuah peningkatan unjuk kerja terutama dalam hal kekokohan dan kecepatan. Tetapi pada evaluasi yang lebih rinci dalam menghadapi 11 tantangan, ternyata pendekatan yang berbeda dari setiap pelacak ternyata menghasilkan unjuk kerja yang berlainan dalam menghadapi setiap tantangan tersebut.

---

ABSTRACTVisual object tracking is the process of continuously localizating a visual entity or visual entities in a video sequence. This dissertation investigates short term model free tracking which the main purpose is tracking of arbitrary objects based on a single bounding box annotation of the object, which then called as model free. The short term tracking means that the tracker does not perform re detection after the target is lost. Numerous factors affect the performance of a tracking algorithm. In Visual Tracker Benchmark, there are eleven main tracking challenges, including illumination variation, scale variation, occlusion, deformation, motion blur, fast motion, in plane rotation, out of plane rotation, out of view, background clutters, and low resolution. There exists no single robust tracker that successfully handles all scenarios nowadays. Moreover, the implementation of tracker should be fast enough to be useful in real applications. We propose a novel algorithm based on Bayesian paradigm that works in frequency domain and exploits spectral method for solving optimal particle filter scheme in Bayesian framework. Therefore the tracker is called as spectral tracker ST . In order to able to estimate scaling and rotation, we modify the tracker to use multiple observation points. Futhermore, several experiments is done to see impact of observation model by manipulating image in color, texture and saliency. As result, we design six variation of spectral tracker based on the observation model. Finally, the performance of the tracker is compared with other relevant trackers on benchmark dataset sequences. An improvement over state of the art methods is achieved, in term of robustness and speed. Nevertheless, the evaluation of eleven tracking challenges shows that different approaches of tracker have unique performance in each challenge. "