Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKDi daerah penelitian dan sekitarnya, reservoir karbonat pada Formasi Kujung adalah salah satu target eksplorasi. Salah satu syarat batuan karbonat sebagai reservoir yaitu harus mempunyai porositas dan permeabilitas yang baik agar mampu menyimpan dan mengalirkan hidrokarbon. Semakin besar angka porositas berarti pori-pori di dalam batuan tersebut semakin banyak, selain itu pori-pori yang saling terkoneksi akan meningkatkan permeabilitas batuan. Pengetahuan dan pemahaman mengenai porositas pada batuan karbonat dan penyebarannya sangat penting dalam eksplorasi. Pada penelitian ini dilakukan indentifikasi sebaran porositas Formasi Kujung I dengan metode penerapan aplikasi atribut pada data seismik 3D yang meliputi inversi, ant-track serta spectral decomposition. Berdasarkan penerapan atribut seismik tersebut, disimpulkan bahwa pada zona target porositas berkembang baik, selain itu ditemukan adanya fenomena low frequency shadow zone yang dapat digunakan sebagai indikator hidrokarbon pada zona target tersebut. Dengan adanya dua parameter yaitu porositas serta indikator hidrokarbon, pada penelitian ini dapat disimpulkan bahwa zona target sangat potensial sebagai reservoar yang mengandung hidrokarbon dan dapat dikembangkan sebagai target eksplorasi.

---

ABSTRACTStudy area and its surroundings, carbonate reservoir of Kujung Formation is one of the exploration target. The requirements of carbonate rock as a reservoir is must have a good porosity and permeability. Higher number of porosity it is mean there are lot of the pores in the rock, and also interconnected lot of pores will be increased permeability. So the carbonate rock with good porosity and permeability will be able to store and flow hydrocarbons. Knowledge and understanding of porosity in carbonate rocks and the distribution is very important in exploration. In this research, the identification of the distribution of porosity Kujung I Formation is using seismic attribute method. The seismic attribute application on the 3D seismic data covering the inversion, ant track as well as the spectral decomposition. The final result of applied seismic attributes, concluded that the porosity of the target zone is well developed. The study also found the phenomenon of low frequency shadow in the target zone that could be as an indicator of hydrocarbons. With two parameters, porosity and hydrocarbon indicators, the study summarized that the target zone is a potential reservoir with hydrocarbons possibility and could be developed as an exploration target."

"ABSTRAKDi daerah penelitian dan sekitarnya, reservoir karbonat pada Formasi Kujung adalah salah satu target eksplorasi. Salah satu syarat batuan karbonat sebagai reservoir yaitu harus mempunyai porositas dan permeabilitas yang baik agar mampu menyimpan dan mengalirkan hidrokarbon. Semakin besar angka porositas berarti pori-pori di dalam batuan tersebut semakin banyak, selain itu pori-pori yang saling terkoneksi akan meningkatkan permeabilitas batuan. Pengetahuan dan pemahaman mengenai porositas pada batuan karbonat dan penyebarannya sangat penting dalam eksplorasi. Pada penelitian ini dilakukan indentifikasi sebaran porositas Formasi Kujung I dengan metode penerapan aplikasi atribut pada data seismik 3D yang meliputi inversi, anttrack serta spectral decomposition. Berdasarkan penerapan atribut seismik tersebut, disimpulkan bahwa pada zona target porositas berkembang baik, selain itu ditemukan adanya fenomena low frequency shadow zone yang dapat digunakan sebagai indicator hidrokarbon pada zona target tersebut. Dengan adanya dua parameter yaitu porositas serta indikator hidrokarbon, pada penelitian ini dapat disimpulkan bahwa zona target sangat potensial sebagai reservoar yang mengandung hidrokarbon dan dapat dikembangkan sebagai target eksplorasi.

---

ABSTRACTStudy area and its surroundings, carbonate reservoir of Kujung Formation is one of the exploration target. The requirements of carbonate rock as a reservoir is must have a good porosity and permeability. Higher number of porosity it is mean there are lot of the pores in the rock, and also interconnected lot of pores will be increased permeability. So the carbonate rock with good porosity and permeability will be able to store and flow hydrocarbons. Knowledge and understanding of porosity in carbonaterocks and the distribution is very important in exploration. In this research, theidentification of the distribution of porosity Kujung I Formation is using seismicattribute method. The seismic attribute application on the 3D seismic data covering the inversion, ant - track as well as the spectral decomposition. The final result of applied seismic attributes, concluded that the porosity of the target zone is well developed. The study also found the phenomenon of low frequency shadow in the target zone that could be as an indicator of hydrocarbons. With two parameters, porosity and hydrocarbon indicators, the study summarized that the target zone is a potential reservoir withhydrocarbons possibility and could be developed as an exploration target"

"ABSTRACTMetode rock typing adalah suatu metode yang dapat digunakan untuk menentukan nilai permeabilitas batuan dan mengklasifikasikan tipe batuan menjadi beberapa kelompok berdasarkan kondisi batuan sebenarnya. Penelitian ini menggunakan beberapa metode rock typing, yaitu metode Lucia, Flow Zone Indicator FZI, Winland R35, dan Pore Geometry Structure PGS. Penelitian ini menggunakan tiga sumur yang memiliki data core sebagai sumur referensi untuk digunakan metode-metode tersebut. Tujuan utama adalah melakukan komparasi dan memilih metode terbaik dari keempat metode tersebut. Kemudian menggunakan hasil metode rock typing untuk membuat model klasifikasi dan diaplikasikan kedalam sumur target yang tidak memiliki data core. Untuk klasifikasi, penelitian ini menggunakan dan melakukan komparasi metode Na ve Bayes dan Random Forest. Hasil yang diperoleh menunjukkan bahwa metode Lucia dan Na ve Bayes adalah metode rock typing dan classifier terbaik untuk penelitian ini. Kedua metode tersebut memiliki crossplot hubungan AI dan SI yang distribusinya terseparasi dengan baik berdasarkan kelas tipe batuannya. Sehingga untuk penelitian selanjutnya, hasil tersebut dapat digunakan dan diaplikasikan kedalam model seismik.

---

ABSTRACTRock typing is a method that can be used to determine permeability value of rocks and classify rock type in reservoir rocks into different units based on actual rocks conditions. This study uses several rock typing methods, that are Lucia, Flow Zone Indicator FZI, Winland R35, and Pore Geometry Structure PGS. This study uses three wells that have core data as reference wells for those methods. First objective is comparing those four methods and choose the best method for our study. Then, using the result of rock typing method to make a classification model and is applied into target wells that don rsquo t have core data. For classification, this study uses and compares Na ve Bayes and Random Forest method. The result shows Lucia and Na ve Bayes is the best rock typing and classifier method. Those methods able to have AI and SI crossplot which distributed separately well based on its rock type. So for future works, that results can be used and applied into seismic model."

"ABSTRAKTelah dilakukan penelitian yang bertujuan untuk mengetahui respon AVO modeling pada reservoar karbonat yang memiliki porositas dan jenis fluida yang berbeda. Penelitian ini menggunakan data sintetik sebagai input untuk melakukan proses AVO modeling. Data sintetik ini terdiri dari 16 sumur, yaitu sumur pertama dibuat dengan porositas 0 tidak terisi oleh fluida sama sekali , lima sumur tersaturasi oleh minyak dengan variasi porositas sebesar 10-50 , lima sumur tersaturasi oleh air dengan variasi porositas sebesar 10-50 , dan lima sumur tersaturasi oleh gas dengan variasi porositas sebesar 10-50 . Hasil analisis AVO modeling menunjukkan respon yang berbeda terhadap setiap porositas. Bertambah besarnya porositas pada batuan karbonat, cenderung menunjukkan respon amplitudo yang semakin tinggi. Amplitudo pada minyak dan air menunjukkan respon yang sama, yaitu cenderung mengalami penurunan seiring dengan bertambahnya offset. Semakin jauh offset dan besar angle, maka respon reflektivitasnya akan menurun, sehingga menyebabkan penurunan respon amplitudo.

---

ABSTRACTHas conducted research that aims to know the response of the reservoir AVO modeling carbonate porosity and different fluid types. This study uses synthetic data as input for AVO modeling process. This synthetic data consists of 16 wells, the first wells were made with a porosity of 0 not filled by the fluid at all , five wells saturated with oil with a variation of the porosity of 10 50 , five wells saturated by water with porosity variations of 10 50 , and five wells saturated by gas with a variation of the porosity of 10 50 . AVO modeling analysis results showed different responses to each of the porosity. Increase the amount of porosity in carbonate rocks, tend to show that the higher the amplitude response. The amplitude of the oil and water showed the same response, which tends to decrease with increasing offset. The further offset and large angle, then the response reflektivitasnya will decrease, causing a decrease in the amplitude response."

"Saat ini, sekitar 40% produksi hidrokarbon dunia berasal dari reservoir karbonat. Berbeda dengan reservoir silisiklastik, reservoir karbonat memiliki karakteristik dengan tingkat heterogenitas lebih tinggi. Rock typing adalah metode klasifikasi batuan reservoir berdasarkan karakteristik spesifiknya kedalam satuan berbeda. Tujuan dari identifikasi rock type ini adalah menyederhanakan karakterisasi yang disebabkan oleh heterogenitas batuan reservoir. Identifikasi rock type pada tugas akhir ini menggunakan metode FZI, Winland-R35, dan Lucia. Metode ini dapat digunakan pula untuk memprediksi nilai permeabilitas pada uncored interval. Data yang digunakan pada penelitian ini adalah RCAL dan wireline log. Pengolahan data menggunakan perangkat lunak Interactive Petrophysics, dan Microsoft Excel. Berdasarkan hasil identifikasi, rock type atau flow unit berdasarkan metode FZI dibagi menjadi enam flow unit, berdasarkan metode winland-R35 dibagi menjadi empat tipe pore throat dengan sembilan flow unit, dan berdasarkan identifikasi klasifikasi lucia, kelas petrofisika dibagi kedalam kelas dua dan kelas tiga. Pada interval rock type yang tidak memiliki data core diprediksi menggunakan artificial neural network. Input porositas pada prediksi permeabilitas terdiri dari porositas sonik dan total (terkoreksi serpih). Prediksi permeabilitas paling baik ditemukan menggunakan metode FZI, dengan input porositas total.

---

Currently, about 40% of the world's hydrocarbon production comes from carbonate reservoirs. In contrast to siliciclastic reservoirs, carbonate reservoirs have characteristics with a higher degree of heterogeneity. Rock typing is a method of classification of reservoir rocks based on their specific characteristics into different units. The purpose of this rock type is to simplify the characterization caused by the heterogeneity of reservoir rocks. Rock type identification in this final project uses the FZI, Winland-R35, and Lucia methods. This method can also be used to predict permeability value at the uncored interval. The data used in this study were RCAL and wireline logs. Data processing using Interactive Petrophysics, and Microsoft Excel software. Based on the identification, rock type or flow unit from FZI method is divided into six, winland-R35 method flow unit is divided into four types of pore throat with nine flow units, and based on identification of lucia classification, the petrophysics class is divided into second and third class. Rock type of uncored interval is predicted using an artificial neural network. Porosity input in permeability prediction are using sonic and effective porosity (shale corrected). The best prediction of permeability was found using FZI method with effective porosity input"

"Cekungan Jawa Timur Utara tersebut merupakan cekungan Tersier yang produktif akan hidrokarbon pada setiap interval stratigrafi (Marianto et al., 2017). Penelitian ini dilakukan pada lapangan B dan  terfokus pada formasi Kujung. Formasi Kujung adalah formasi yang litologinya di dominasi oleh karbonat pada reservoirnya dan memiliki batuan penutup berupa shale. Karakterisasi reservoir karbonat merupakan suatu tantangan sebab batuannya memiliki struktur pori yang kompleks akibat proses diagenesis. Sehingga mempengaruhi kecepatan gelombang seismik yang merambat pada karbonat. Data yang  digunakan dalam penelitian ini adalah data Seismik 3D PSTM dengan kontrol 3 sumur berbeda. Metode yang digunakan untuk mengkarakterisasi reservoir karbonat ini adalah dengan menggunakan metode seismik inversi simultan. Metode Seismic Inversi Simultan tersebut akan menghasilkan model Impedansi-P (AI), Impedansi-S (SI) dan densitas yang kemudian akan di transformasikan menjadi Lambda-Rho dan Mu-Rho. Model dari parameter hasil inversi simultan dan hasil transformasi tersebut akan digunakan untuk mengetahui sebaran litologi, porositas dan konten fluida pada pori batuan. Berdasarkan hasil analisis, daerah prospek pada penelitian ini terletak pada build up karbonat serta memiliki porositas yang tinggi dengan nilai AI sebesar 16000-31000 ((ft/s)(g/cc)) dan Mu-rho sebesar 10-27 (GPA g/cc) dan fluida minyak dengan nilai λÏ? 10-36 (GPA g/cc.

---

North East Java Basin is a tertiary basin which prolific of hydrocarbon on almost all stratigraphic intervals (Marianto et al., 2017). The study area is located on B field and focused on Kujung formation. Kujung formation is dominated by carbonate on its reservoir and has shale as its caprock or seal. Reservoir characterization considered as a huge challenge because of its complex structural pore caused by diagenesis processes. Therefore, affect the seismic wave propagation which travels through carbonate body. This study use 3D Seismic PSTM with 3 different wells as a control. The method used in this study is Simultaneous Seismic Inversion. The Seismic Simultaneous Inversion will extract P-Impedance (AI), S-Impedance (SI) and density as output models. Those three models will be transformed into Lambda-Rho dan Mu-Rho. The Output models of inversion and transformation will be used for characterizing distribution of the litology, porosity and fluid content that fills rocks pore. Based on analysis result, the prospect area in this study located on carbonate build up, high porosity indicated by AI value between 16000-31000 ((ft/s)(g/cc)) and Mu-rho value between 10-27 (GPA g/cc) and oil by value between 10-36 (GPA g/cc)."

"Reservoir karbonat diperkirakan mengandung hampir 60% dari total cadangan hidrokarbon dunia dan diperkirakan memiliki 50% dari total produksi hidrokarbon. Hidrokarbon umumnya terdapat pada batuan berpori. Porositas batuan karbonat umumnya memiliki heterogenitas yang tinggi, kompleksitas, dan random. Salah satu metode yang efektif untuk mengatasi heterogenitas adalah metode neural network. Sehingga penelitian ini bertujuan untuk menetukan distribusi porositas dengan neural network pada batuan karbonat dengan menggunakan 2 data sumur dan data seismik 2D post stack time migration (PSTM) pada lapangan T. Seismik atribut yang digunakan sebagai input proses probabilistic neural network berupa data seismik dan hasil inversi serta log yang akan diprediksi penyebarannya. Digunakan step wise regression dan validation error untuk menentukan atribut terbaik yang akan digunakan. Hasil prediksi nilai porositas menggunkan probabilistic neural network dengan input atribut terbaik yang telah terpilih menghasilkan korelasi yang lebih baik 0.81 dengan error 0.03 dibanding dengan metode multiatribut yang menggunakan persamaan linier yaitu 0.66 dengan error 0.04 dan hasil model log prediksi mendekati log aktual. Hasil distribusi porositas dapat dianilisis bahwa nilai porositas pada sumur C1 memiliki nilai porositas efektif yang rendah dibandingkan dengan sumur C4.

---

Reservoir carbonate mostly contains 60% of total hydrocarbon preserves in the world, and it is predicted about 50% which is produced hydrocarbon. Commonly, hydrocarbon is found in the rock pores. The porosity of carbonate, generally, has high heterogeneity, complexity, and random. One of effective methods to solve the problem is neural network. The aim of this study is to determine the distribution of porosity using neural network for carbonate in T field. Seismic attribute is used as input in neural network process which is seismic data, inversion result, and well log. Step wise regression and validation error are used to determine the best attributes that will be used to.

The prediction result of porosity using probabilistic neural network with the best attribute has better correlation than using multi attributes for linier method. The correlation and error value using neural network are 0.08% and 0.03%, while the value of correlation and error using multi attribute for linier method are 0.06% and 0.04%, respectively. The predicted log model is approaching the actual log. The result of porosity distribution shows that the porosity value of well C1 has lower effective porosity than well C4."

"Penelitian ini menggunakan data seismik 3 dimensi dan 5 data sumur dari lapangan w. Target penelitian yaitu batuan karbonat pada formasi Tuban di cekungan Jawa Timur Utara. Penelitian bertujuan menentukan distribusi porositas karbonat, dengan menggunakan neural network berdasarkan inversi dan atribut seismik. Inversi seismik model based dan linier programming sparse spike, menghasilkan impedansi akustik pada lapisan di bawah horizon Top Carbonate hingga horizon Base Carbonate, mengalami peningkatan signifikan pada rentang 38076 - 46857 ((ft/s)*(g/cc)). Atribut seismik sweetness, rms amplitude, dan reflection intensity, digunakan sebagai atribut eksternal, untuk tahap multiatribut linier regresi dan neural network. Multiatribut linier regresi dan neural network dilakukan untuk memprediksi porositas bedasarkan atribut-atribut internal maupun eksternal. Hasil analisis multiatribut yang diaplikasikan pada data raw seismik dan 5 volum atribut eksternal, yaitu log porositas prediksi, memiliki nilai korelasi sebesar 0.712 terhadap log porositas. Dan, nilai validasinya sebesar 0.573. Sedangkan, Probabilistic Neural Network menghasilkan porositas prediksi dengan nilai korelasi sebesar 0.661 dan nilai validasinya sebesar 0.485. Berdasarkan multiatribut linier regresi maupun probabilistic neural network, porositas rata-rata pada lapisan reservoar karbonat sebesar 10-15% di bagian utara. Sedangkan, di bagian selatan, porositas rata-rata hanya di bawah 6%.

---

This study uses three-dimensional seismic data and 5 well data from w field. The research target is carbonate rocks of the Tuban formation in North East Java basin. The study aims to determine the distribution of porosity carbonate, by using neural network algorithm, based on acoustic impedance inversion and seismic attributes. Models based inversion and linear programming sparse spike inversion result in acoustic impedance, in the layers below the horizon Top Carbonate to horizon Base Carbonate, experienced a significant increase impedance in the range 38076-46857 ((ft/s)*(g/cc)). Some seismic attribute; sweetness, rms amplitude, and reflection intensity, are used as external attributes for multi attribute linear regression and neural network. Multi attribute linear regression and neural network is done to predict porosity based on attributes of both internal and external.

The results of the analysis that is applied to the data multi attribute raw seismic and 5 volumes of external attributes, is called log porosity prediction, have a correlation value of 0.712 to log porosity original. And the value of its validation is 0.573. Meanwhile, Probabilistic Neural Network is producing log porosity prediction with correlation value of 0.661 and the value of its validation by 0485. Multi attribute based linear regression and probabilistic neural network, average porosity of the reservoir layer of carbonate of 10-15% in the north. Meanwhile, in the southern part, average porosity of just under 6%."

"Karakterisasi reservoir merupakan salah satu upaya efektif yang dapat dilakukan untuk perhitungan cadangan hidrokarbon dan digunakan dalam melakukan reservoir pada penggunaan lebih lanjut. Dengan menggunakan data core dapat menggambarkan keadaan sumur berdasaarkan keadaan sesungguhnya. Namun, tidak semua sumur memiliki data core dan tantangan lain dalam karakterisasi reservoir adalah parameter permeabilitas tidak selalu menjukkan hubungan linier dengan porositas. Sehingga perlu dilakukannya pendekatan metode guna mendapatkan estimasi permeabilitas. Pada studi ini dilakukan klasifikasi batuan berdasarkan karakteristik petrofisika yang didapat dari data dan RCAL dengan pendekatan metode rock typing Winland, Hydraulic Flow Unit (HFU), dan Pittman. Pada penelitian ini terdapat 3 sumur, dilakukan perhitungan parameter petrofika dan dilakukan perhitungan prediksi permeabilitas pada masing-masing sumur. Dengan menggunakan Sumur K-2 yang dijadikan sebagai sumur referensi, dilakukan komparasi metode. Hasil komparasi metode terbaik kemudian dipilih untuk dilakukan propagasi pada sumur lainnya. Propagasi rock type yang dilakukan pada tiap sumur menggunakan pendekatan MRGC. Hasilnya, dengan menggunakan metode Winland, HFU, dan Pittman didapatkan nilai koefisien determinasi permeabilitas core dan estimasi permeabilitas beruturut-turut adalah 0,5865 untuk metode Winland, 0.8852 untuk metode HFU, dan 0,3031 untuk metode Pittman. Reservoir characterization is an effective process to get a calculation of hydrocarbon reserves and to conduct modeling reservoir for further use. Well core data can provide information based on actual well conditions. RCAL data is a core data which consists of porosity and permability parameters. However, not all wells have core data. Another challenge in the reservoir characterization is permeability cant be determined just by a classical plot with porosity. Rock typing is a method that can be used to classify rock type in reservoir rocks into different units and determine permeability value of rocks. The aims of this study are to present petrophysical parameters and the result of a comparison from the application of some rock typing methods in Carbonate Reservoir Kais Formation, field A. In this study conducts rock classification based on petrophysical characteristics obtained from wireline log data and core porosity and core permeability data with Winland, Hydraulic Flow Unit, and Pittman rock typing methods. This study uses 3 wells, to get calculation petrophysical parameters and permeability prediction on each well. Well K-2 established as a reference well is used to choose the best rock typing method from comparison. The best method to be applied to reference well is used for propagation in other wells. Propagation rock type performed on each well using MRGC (Multi Resolution Graph Clustering) approach. The result shows the coefficient of determination (R2) core permeability and permeability estimates respectively Winland, HFU, and Pittman methods were 0.5865 for the Winland method, 0.8852 for the HFU method, and 0.3031 for the Pittman method."