Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKStudi yang dilakukan dalam penelitian ini untuk menganalisis multiatribut dari data seismik dan data log dalam mengidentifikasi litologi bawah permukaan, terutama dalam mengidentifikasi penyebaran sourcerockpada suatu daerah target tertentu. Metode multiatribut dalam penelitian ini dilakukan untuk memprediksi log vshaleyang diturunkan dari log resisitivity. Untuk mendapatkan gambaran distribusi sifat fisik batuan di bawah permukaan, maka hubungan antara data log dengan data seismik dapat membantu menghasilkan volume sebaran sifat fisik batuan yang tadinya hanya didapat dari tempat yang memiliki data log hingga menjadi sebaran pada seluruh area yang terdapat data seismik. Kemampuan neural network untuk mengenali pola dan menemukan hubungan non linear antara data seismik, data multiatribut dan sifat fisik batuan dari data log dimanfaatkan untuk mendapatkan sebaran sifat fisik batuan pada volume seismik dengan mengacu pada data log. Aplikasi geostatistik digunakan untuk mendapatkan model distribusi spasial di mana hasil dari prediksi volume shale dipakai sebagai data sekunder sedangkan data dari lubang sumur digunakan sebagai data primer, sehingga diharapkan mendapatkan kemenerusan secara lateral.

---

ABSTRACTThe Study conducted in this research to analyze the multi attributes of seismic data and log data in identifying subsurface lithology, especially in identifying sourcerock deployment in a given target area. Multi attributes method in this research is done to predict log vshale derived from log resistivity. To obtain a description of the distribution of the physical properties of rocks below the surface, the relationship between log data and seismic data can help to generate volume distribution of physical properties of rocks that were only obtained from places that have log data to be distributed in all areas of seismic data. The ability of neural networks to recognize patterns and find nonlinear relationships between multi attribute data seismic data and the physical properties of rocks from log data are utilized to obtain the distribution of physical properties of rocks at seismic volumes with reference to log data. The geostatistical application is used to obtain spatial distribution model where the result of the shale volume prediction is used as secondary data while the data from the wellbore is used as the primary data, so it is expected to obtain lateral generation."

"Lapangan “DEWI”, yang berlokasi di Cekungan Bonaparte Maluku Tenggara merupakan lapangan gas dengan reservoir utama yang terletak pada Formasi Plover, yang didominasi oleh batu pasir. Berdasarkan analisa struktur didapatkan bahwa lapangan ini memiliki satu sesar utama yang membagi blok utara dan blok selatan. Berdasarkan analisis petrofisika didapatkan bahwa zona prospek hidrokarbon dari lapangan ini terletak di formasi Plover dan Zona A. Penelitian ini bertujuan untuk menganalisis distribusi parameter petrofisika seperti porositas, volume shale, dan saturasi air yang penting dalam karakterisasi reservoir. Penelitian ini menggunakan analisis seismik multiatribut dan probabilistic neural network untuk memprediksi parameter petrofisika berdasarkan atribut dari data seismik. Hasil menunjukkan bahwa pada penelitian ini probabilistic neural network memiliki keunggulan dalam memprediksi parameter petrofisika untuk karakterisasi reservoir dibanding multiatribut konvensional. Berdasarkan hasil dari pemetaannya ditemukan variasi yang menarik dalam persebaran parameter petrofisika pada formasi Plover dan Zona A. Hasil dari penelitian ini dapat digunakan untuk menyediakan pemahaman baru dalam karakterisasi daerah berpotensi hidrokarbon di Lapangan “DEWI”.

---

The “DEWI” field, which is located in the Bonaparte Basin, Southeast Maluku, is a gas field with the main reservoir located in the Plover Formation, which is dominated by sandstone. Based on structural analysis, it was found that this field has one main fault that divides the northern block and the southern block. Based on petrophysical analysis, it was found that the hydrocarbon prospect zone of this field is located in The Plover Formation and Zone A. This research aims to analyze the distribution of petrophysical parameters such as porosity, shale volume, and water saturation which are important in reservoir characterization. This research uses multi-attribute seismic analysis and probabilistic neural networks to predict petrophysical parameters based on attributes from seismic data. The results show that in this study the probabilistic neural network has advantages in predicting petrophysical parameters for reservoir characterization compared to conventional multi-attributes. Based on the results of the mapping, enticing variations were found in the distribution of petrophysical parameters in The Plover Formation and Zone A. The results of this research can be used to provide new insights into the characterization of potential hydrocarbon areas in the "DEWI" Field."

"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 reservoar di lapangan Barent Sea telah dilakukan dengan integrasi analisa atribut seismik dan inversi seismik. Analisa atribut seismik dilakukan untuk mengidentifikasi batas lapisan, yang diindikasikan dengan adanya perbedaan jenis batuan antara dua lapisan. Di samping itu, inversi seismik digunakan untuk memperlihatkan impedansi akustik, yang sangat penting untuk mengetahui properti dari lapisan. Kedua atribut ini (amplitude seismik dan impedansi akustik) diharapkan berguna untuk mengkarakterisasi reservoar secara lengkap. Studi ini menggunakan data seismic 2D dan 3 data sumur. Analisa difokuskan pada dua horison, yang dipercaya sebagai target reservoar. Hasil peta horison dianalisis untuk mendapatkan peta distribusi reservoar. Hasil dari semua atribut menunjukan konfirmasi reservoar dengan nilai impendansi akustik tinggi antara 40000 - 50000 (gr/cc)*(m/s), nilai gamma ray dibawah 100 API, serta nilai resistivitas yang tinggi antara 13,4 ? 14,8 ohm - m.

---

Reservoir characterization in Barent Sea field has been carried out by integrating seismic attribute analysis and seismic inversion. Seismic attribute analysis is performed to identify layer interface, which is indicated with the contrast between two layers. In other hand, the seismic inversion is applied to provide the acoustic impedance, which is important in understanding the property of layer body. These two attributes (seismic amplitude and acoustic impedance) are expected to be useful in investigating the reservoir completely.This study is based on 2D seismic data and 3 well log data. The analysis is focused on two horizons, which is believed as target reservoir. The generated horizon map is analyzed to map the reservoir distribution. The results show a confirmation of all the attributes of the reservoir with high acoustic impedance value between 40000-50000 (g / cc) * (m / s), the value of gamma rays above 100 API, as well as high resistivity values between 13.4 to 14.8 ohm - m."

"Lapangan “X” merupakan salah satu lapangan yang terletak di Cekungan Sunda. Lapangan ini merupakan salah satu zona potensi hidrokarbon di Indonesia, dengan salah satu zona potensi hidrokarbon terletak pada batuan reservoir karbonat build-up yang berada di Formasi Upper Baturaja. Studi ini akan menghasilkan volume petrofisika semu untuk properti petrofisika volume shale, porositas, dan saturasi air menggunakan lima kombinasi atribut seismik yang ditentukan melalui analisis multi-atribut, yang kemudian nilai korelasi dan errornya akan ditingkatkan probabilistic neural network (PNN). Integrasi dari ketiga metode ini bertujuan untuk memberikan gambaran dan pemahaman baru terhadap karakterisasi daerah yang berpotensi hidrokarbon di Lapangan ”X”.

---

”X” Field is one of the fields located in Sunda Basin. “X” Field is one of the hydrocarbon potential zones in Indonesia, with one of its hydrocarbons potential zones located in the carbonate build up reservoir in the Upper Baturaja Formation. This study will produce pseudo petrophysical volumes for petrophysical properties such as shale volume, porosity, and water saturation using five seismic attributes combination from the seismic multi-attributes method. Probabilistic neural network (PNN) is used to improve the correlation and error value from the log. The integration of these three methods aims to provide new insights and understanding of the characterization of hydrocarbon potential areas in “X” Field."

"Lapangan X yang terletak di Graben Viking, Laut Utara tersusun oleh endapan deltaik dengan karakteristik struktural berupa sistem patahan yang kompleks. Hal ini menimbulkan kesulitan untuk mengetahui kemenerusan serta pola penyebaran reservoar batupasirnya. Guna mengarakterisasi reservoar lapangan X, data seismik 3D dan data log dari 15 sumur dianalisa dengan menggunakan metode inversi dan ekstraksi atribut seismik. Metode seismik inversi menghasilkan distribusi nilai impedansi akustik sedangkan ekstraksi atribut seismik menghasilkan peta distribusi nilai amplitudo. Hasil integrasi dari kedua metode tersebut ditambah data hasil analisis multi atribut berupa peta distribusi gamma ray dan porositas mampu menggambarkan bentuk reservoar batupasir.

---

Field X in the Viking Graben, North Sea, is believed to be a deltaic depositional system with structural characteristics is complex fault system. This issue cause a problem to identify the distribution of the reservoir. To characterize the reservoir, 3D seismic data and well log data from 15 wells were analyzed using seismic inversion and extraction of seismic attribute. As a result, acoustic impedance distribution map from seismic inversion and amplitude distribution map from seismic attribute extraction. Both were integrated and combined with gamma ray and porosity distibution map from multi attribute analysis, able to map the bodies of sandstone reservoir."

"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."

"Analisis petrofisika dilakukan untuk mendapatkan parameter-parameter petrofisika seperti porositas dan saturasi air yang berguna untuk karakterisasi batuan reservoar. Berdasarkan data sumur dari 4 buah sumur yang disediakan, Resevoar yang akan diteliti berada pada formasi Ekofisk yang batuannya didominasi oleh batuan chalk. Dari perhitungan analisis petrofisika, didapatkan nilai porositas berkisar antara 24%-28% dan saturasi air berkisar antara 35%-58%. Analisis petrofisika hanya mampu memberikan informasi tentang karakter resevoar secara vertikal. Untuk itu perlu dilakukan analisis multiatribut seismik. Dengan Analisis multiatribut seismik persebaran parameter petrofisika seperti porositas dan saturasi air pada volum seismik bisa didapatkan. Hasil dari log prediksi kandungan lempung, porositas dan saturasi akan disebar ke seluruh volum seismik untuk mendapatkan persebaran parameter tersebut dalam volum 3D.

---

The result of petrophysical analysis can provide vertical information about the character of the reservoir in porosity and water saturation parameter. However, this method is lacking on horizontal resolution. In this case we can provide the 3D information from multiattribute analysis. Based on 4 well data, the chalk formation in Danish North Sea Field is in the area that has potential as a reservoir. Petrophysical parameters that will be studied in this study, such as porosity and water saturation. From petrophysical analysis calculation, the value of obtained porosity are ranged between 24%-28% and the water saturation are ranged between 35%-38%. Petrophysical parameters throughout the seismic volume will be predicted by using multiattribute analysis. Model based inversion results will be used as an external attribute. The result from the log input will be spread throughout the seismic volume."

"Analisa multi atribut adalah salah satu metode statistik menggunakan lebih dari satu atribut untuk memprediksi properti fisik dari batuan. Tujuan analisa ini adalah adalah mencari hubungan antara log dengan data seismik. Hubungan ini digunakan untuk memprediksi Volome dari properti log pada semua volume seismik Pada penelitian ini analisa multiatribut diaplikasikan pada lapangan X daerah cekungan sumatera selatan dengan menggunakan 5 data sumur. Target dari penelitian ini adalah memprediksi penyebaran porositas di lapangan X. Sumursumur yang dipilih adalah sumur yang tersebar merata dan mewakili area yang akan diprediksi penyebaran porositasnya. Jumlah atribut yang digunakan di tentukan oleh proses step wise regression. Metode multiatribut yang linier transformasinya terdiri dari deret bobot yang diperoleh dari minimalisasi least square. Pada metoda non linier, neural network di gunakan dalam proses training dengan menggunakan atribut yang sudah ditentukan sebelumnya.Tipe neural network yang digunakan adalah PNN ( Probabilistic Neural Network ),tipe ini dipilih karena mempunyai hasil korelasi yang paling baik dibandingkan dengan tipe neural network yang lain. Untuk mengetahui tingkat kepercayaan dari transformasi multiatribut dilakukan proses crossvalidasi. Hasilnya multiatribut menunjukan korelasi sebesar 0.65 dan neural network 0.69.

---

Multi-attribute analysis is a statistic method using more than one attribute to predict physical properties of rocks. The aim of this analysis is to find a relationship between log and seismic data. The relationship is used for predicting volume of log property at all seismic volumes. In this study the multi-attribute analysis is applied to area X, which is a cavity region in South Sumatera, using five well data. The aim of the study is to predict porosity distribution at area X. The wells that were chosen were those that were spread evenly and represented areas where the distribution of porosity will be predicted. The quantity of attributes used is determined by a step wise regression process. A linear multiattribute method comprises of a series that is achieved by a minimised least square. In a non-linear method, neural network is used in the training process with predetermined attributes. The neural network type used was PNN (Probabilistic Neural Network ), this type was chosen because of the best correlation result. To verify the validity of the multi-attribute transformation, a crossvalidation was conducted. The result shows a 0.65 correlation and a 0.69 neural network."

"Cadangan migas semakin sulit ditemukan, hal ini dikarenakan kondisi geologi yang lebih kompleks. Kondisi yang kompleks ini menyebabkan kesulitan dalam menentukan persebaran reservoir. Maka dari itu diperlukan metode yang lebih bagus untuk mengatasi kondisi geologi yang kompleks tersebut. Penelitian ini menggunakan metode multiatribut dan Probabilistic Neural Network (PNN) yang dapat mencari hubungan antara atribut seismik dengan data yang dicari, untuk prediksi nilai properti dari batuan sekitarnya. Dari metode ini dihasilkan persebaran pada data porositas dengan nilai korelasi 0,52, saturasi air dengan nilai korelasi 0,73, dan shale content dengan nilai korelasi 0,58. Dimana gabungan dari data porositas, saturasi air, shale content, dan data impedansi akustik (AI) hasil inversi dapat menjadi petunjuk untuk identifikasi persebaran reservoir. Dari nilai porositas dan saturasi dapat dibuat persebaran hidrokarbon, dimana pada penelitian ini didapatkan nilai antara 0,01 – 0,03. Lapangan FA ini memiliki reservoir yang berada di antara sumur F-06, FA-05, FA-15, dan FA-18 dan menyebar ke arah barat dari sumur FA-05, FA-15 & FA-18.

---

Oil and gas reserves are increasingly difficult to find due to more complex geological conditions. This complex condition causes difficulties in determining reservoir distribution. Therefore a better method is needed to overcome these complex geological conditions. This study uses a multi-attribute method and Probabilistic Neural Network (PNN) that can search for correlation between seismic attributes and the data sought, for the prediction of property values ​​from surrounding rocks. From this method the distribution of porosity data with a correlation value of 0.52 was generated, water saturation with a correlation value of 0.73, and shale content with a correlation value of 0.58. Where the combination of porosity data, water saturation, shale content, and acoustic impedance (AI) data of inversion results can be a clue to identify reservoir distribution. From the porosity and saturation values, hydrocarbon dispersion can be made, where in this study values ​​were obtained between 0.01 - 0.03. This FA field has a reservoir between wells F-06, FA-05, FA-15, and FA-18 and spreads westward from wells FA-05, FA-15 & FA-18."