Hasil Pencarian  ::  Simpan CSV :: Kembali

"Struktur patahan merupakan salah satu komponen penting dalam petroleum system. Untuk itu, pengidentifikasian struktur pada data seismik merupakan hal yang sangat krusial. Dalam interpretasi seismik, mengidentifikasi patahan merupakan langkah penting yang seringkali dilakukan secara manual dan menghabiskan banyak waktu, sehingga tingkat efisiensi dari kegiatan interpretasi seismik menjadi sangat rendah. Untuk meningkatkan efisiensi interpretasi, perlu dilakukannya beberapa pengembangan metode dan teknik dalam kegiatan interpretasi. Metode yang lebih otomatis dalam estimasi struktur patahan salah satunya atribut unkonvensional fault likelihood. Atribut ini dapat digunakan untuk mencitrakan patahan relatif lebih jelas dibandingkan dengan atribut lainnya serta dapat dilakukan secara otomatis. Metode lainnya adalah dengan memanfaatkan artificial intelligence (AI) yaitu convolutional neural network (CNN) untuk mengestimasi patahan. Pada penelitian ini, membahas mengenai bagaimana penggunaan metode fault likelihood dan convolutional neural network untuk melakukan estimasi patahan secara lebih otomatis. Selain itu, kedua metode juga akan dikomparasi untuk mengetahui metode mana yang lebih optimal dalam estimasi patahan. Setelah dikomparasi, hasil estimasi patahan pada metode terbaik akan dilanjutkan dengan mengevaluasi prospek hidrokarbon. Aspek – aspek penting dalam evaluasi prospek hidrokarbon dalam penelitian ini yaitu mengetahui jenis trap hidrokarbon, jalur migrasi hidrokarbon, dan perhitungan cadangan hidrokarbon. Hasil yang diperoleh menunjukkan bahwa penggunaan metode convolutional neural network lebih unggul dibandingkan dengan metode fault likelihood. Metode tersebut lebih akurat dan tegas dalam menarik fitur patahan. Analisis strain ellipsoid menunjukkan bahwa gaya maksimum yang mengontrol daerah penelitan berorientasi utara-selatan. Hasil perhitungan cadangan hidrokarbon menggunakan simulasi – monte carlo yaitu sebesar P10 = 3.98 bcf, P50 = 2.57 bcf, dan P90 = 1.53 bcf.

---

The fault structure is an important component in the petroleum system. For this reason, the identification of structures in seismic data is very crucial. In seismic interpretation, identifying faults is an important step that is often done manually and takes a lot of time, so the efficiency of seismic interpretation activities is very low. To improve the efficiency of seismic interpretation, it needs to develop several methods and techniques in interpreting activities. One of the automated methods for estimating fault structures is fault likelihood attribute. This attribute can be used to imaging the fault more clearly than another attribute. Another method is using artificial intelligence (AI), namely convolutional neural network (CNN). In this study, we discuss how to use fault likelihood and convolutional neural network methods to estimate faults more automatically. In addition, the two methods will also be compared to find out which method is more optimal in fault estimation. After the comparison, the fault estimation results on the best method will be followed by evaluating the hydrocarbon prospect. Important aspects in evaluating hydrocarbon prospects in this study are knowing the types of hydrocarbon traps and hydrocarbon migration paths. The results obtained that the convolutional neural network method is better than fault likelihood method. This method is more accurate and precise in imaging fault features. The strain ellipsoid analysis shows that the maximum force is north-south oriented. The results of the calculation of hydrocarbon reserves using the Monte Carlo simulation are P10 = 3.98 bcf, P50 = 2.57 bcf, and P90 = 1.53 bcf.

"

"ABSTRAKKarbonat reservoir di Formasi Kujung lapangan ”KEMO” merupakan reservoir utama yang bisa menghasilkan 22.000 bopd. Produksi diidentifikasi berasal dari reservoir batuan karbonat yang berhubungan dengan fracture. Pada penelitian ini akan mencoba untuk mengidentifikasi fracture di bawah permukaan berdasarkan data seismik dan akan divalidasi dengan data sumur berupa bore hole imagery jenis XRMI. Pada penelitian ini menggunakan atribut seismik yang dapat memetakan struktur geologi berupa fault dan fracture . Atribut yang digunakan untuk penentuan struktur geologi adalah attribut Curvature, Variance dan Ant-tracking.Zona fracture dikenal sebagai tempat yang baik untuk akumulasi hidrokarbon sehingga dengan identifikasi arah dan pola fault dapat menentukan zona reservoir hidrokarbon yang berpotensi. Penelitian difokuskan pada identifikasi fracture yang berkaitan dengan fault system. Hasil penelitian ditunjukkan bahwa analisa terpadu antara atribut seismik, data sumur dan interpretasi geologi berhasil mendeliniasi fracture reservoir pada lapangan KEMO. Selain itu, fractures pada formasi Kujung berasosisasi dengan regional fault system pada daerah Jawa Timur bagian Utara, yakni dengan mendeliniasi patahan dapat memprediksi keberadaan serta arah fracture pada daerah penelitian.

---

ABSTRACTCarbonate reservoir that can produce 22,000 bopd . Production is derived from the identified reservoirs carbonate rocks associated with the fracture. This research will try to identify fractures in the subsurface based on seismic data and well data that will be validated with a bore hole imagery types, XRMI. This research will use seismic attributes that can be used to mapping geological structures such as faults and fractures with the use of geometrical curvature attributes, Variance and Ant - tracking. The fracture zones are known to provide suitable setting for hydrocarbon accumulation and thus mapping of the linement and orientation of fault with the associated fractures is important for the assesment of the potential of these hydrocarbon. This study is focused on the identification of fractured reservoir that related to fault system. The results of this work demonstrate that the integrated analysis of seismic attribute, well data and geological interpretation has successfully delineated the potential fractured reservoir in the study area. In addition, the fractures in Kujung Formation are associated with the regional fault system, which is by delineating the faults we can predict the linements and orientation of their associated fractures."

"ABSTRAKKoulali et al. (2016) dalam penelitiannya mengidentifikasi laju patahan aktif di Pulau Jawa dan dikatakan bahwa Patahan Baribis melintasi bagian selatan Jakarta. Hal ini menimbulkan dugaan bahwa Patahan Baribis melintasi Kota Bekasi. Penelitian ini bertujuan untuk mengidentifikasi patahan tersebut menggunakan Metode MS-SVD yang didukung dengan metode FHD pada data gravitasi. Untuk mengetahui lapisan batuan di bawah permukaan Kota Bekasi, permodelan secara forward 2D berdasarkan data geologi dan hasil MS-SVD dilakukan pada penelitian ini. Terdapat tiga lintasan arah selatan-utara yang dibuat pada penelitian ini dikarenakan Patahan Baribis memiliki arah strike timur-barat. Pengolahan dilakukan dengan cara membuat peta CBA kemudian dilakukan upward continuation. Metode SVD dilakukan pada setiap peta upward continuation dan dibuat grafik nilai SVD terhadap kedalaman upward continuation. Hasil grafik MS-SVD dapat menunjukan besar dan arah dip dari patahan dengan melihat pergeseran titik nol pada grafik tersebut. Hasil dari metode MS-SVD ini menunjukan beberapa patahan di Kota Bekasi dengan karakterisasinya masing-masing. Dengan didukung data geologi, ada atau tidaknya Patahan Baribis berdasarkan metode MS-SVD dapat diketahui. Potensi bahaya akibat getaran yang ditimbulkan oleh patahan dapat diketahui juga dengan melihat kontras densitas vertikal pada permodelan forward 2D.

---

ABSTRACT

Koulali et al. (2016) in his research identified the rate of active faults at Java Island and said that the Baribis Fault crossed the southern part of Jakarta. This raises the suspicion that the baribis fault crossed the city of Bekasi. This study aims to identify this fault using the MS-SVD method which is supported by the FHD method on gravity data. To find out the rock layers below the surface of Bekasi City, forward 2D modeling based on geological data and MS-SVD results was carried out in this study. There are three south-north direction line made in this study because the Baribis Fault has an east-west strike direction. Processing is done by making a CBA map then doing upward continuation. The SVD method is carried out on each map of upward continuation and graphs of SVD values are drawn against the depth of upward continuation. The MS-SVD graph results can show the magnitude and direction of the dip from the fault by looking at the zero point shift on the graph. The results of the MS-SVD method show several faults in Bekasi City with their respective characteristics. With the support of geological data, the presence or absence of the Baribis Fault based on the MS-SVD method can be known. Potential hazards due to vibrations caused by faults can also be seen by looking at vertical density contrast in 2D forward modeling.

"

"Azotobacter chroococcum has a great potential as biosurfactant producing bacteria and was used as co-inoculant to promote the rate hydrocarbon biodegration...."

"New thermodynamic property model for n-butane exprasesed in form of the Helmholtz free energy equation is presented....."

"The limited of ozon depleting substance (ODS) such as CFC and HCFC refrigrants has encourage researchers to find a new alternative refrigrant

---

"