Hasil Pencarian  ::  Simpan CSV :: Kembali

"Panas bumi merupakan sumber energi terbarukan yang tengah dikembangkan di masa kini. Amerika Serikat memiliki potensi energi panas bumi yang cukup menjanjikan, terutama di daerah Roosevelt Hot Springs, Utah. Suatu sistem panas bumi memerlukan rekahan sebagai salah satu aspek yang perlu menjadi pertimbangan dalam proses evaluasi sistem panas bumi. Keterbentukan rekahan tersebut tentunya dipengaruhi oleh kondisi geologi yang terjadi pada daerah tersebut, sehingga hal ini dapat mempengaruhi karakteristik dari rekahan tersebut. Tujuan dari penelitian ini adalah menganalisis kondisi struktur geologi, karakteristik rekahan, akurasi prediksi rekahan, dan perbandingan hasil prediksi rekahan dengan model rekahan. Untuk mencapai tujuan tersebut, dilakukan beberapa proses pengolahan data, seperti interpretasi data seismik, membuat atribut seismik, membuat model rekahan implisit, dan memprediksi keberadaan rekahan menggunakan metode Support Vector Machine (SVM) yang merupakan salah satu metode pembelajaran mesin yang kemudian diterapkan pada sumur yang tidak memiliki informasi rekahan. Hasil penelitian menunjukkan bahwa struktur geologi di daerah penelitian terdiri dari sesar normal berorientasi barat – timur dan sesar naik berorientasi utara – selatan. Rekahan di daearh penelitian memiliki orientasi dominan ke arah utara – selatan dengan intensitas rekahan berkisar dari 0 hingga 3. Intensitas rekahan yang tinggi dapat ditemukan di sekitar sesar dan fitur lengkungan/kubah. Prediksi rekahan menggunakan metode SVM menghasilkan nilai akurasi sebesar 73%. Hasil prediksi rekahan secara umum cukup baik, meskipun terdapat beberapa zona yang menggambarkan hasil yang kurang baik apabila dibandingkan dengan modelan rekahan implisit.

---

Geothermal is a renewable energy that is being developed at this time. The United States of America has a promising geothermal energy potential, especially in Roosevelt Hot Springs area in Utah. Geothermal system needs fractures as one of the considerable aspects in geothermal system evaluation. The formation of fractures itself is controlled by the geological condition in the area, so it can affect the characteristic of the fractures. This research aims to analyze the structural geology condition, fracture characteristic, fracture prediction accuracy, and the comparison of the fracture prediction result with the fracture model. To achieve the goals, there are some data processing steps, such as seismic data interpretation, building seismic attributes, building implicit fracture model, and predicting fracture occurrence using Support Vector Machine (SVM) method which is one of the machine learning methods to be implicated on the well which does not provide fracture information. The research shows that the structural geology condition in the study area consists of east – west trending normal faults and north – south trending reverse faults. The fracture in the study area has a dominant trend of north – south with the intensity ranging from 0 to 3. High fracture intensity zone can be found around faults and curvatures. The fracture prediction using SVM method produces an accuracy value of 73%. Overall, the fracture prediction result is good enough, although there are some zones which have a poor result when it compared to the implicit fracture model."

"Salah satu metode pemodelan reservoar untuk karakterisasi reservoar adalah pemetaan distribusi hidrokarbon reservoar seperti gas dengan seismik inversi menggunakan parameter elastik batuan sebagai parameter inversinya. RAKA field ditemukan sekitar tahun 1980 terdapat tiga formasi Belut, Gabus dan Arang. Formasi Arang adalah salah satu formasi penghasil gas dengan tipe reservoar batu pasir, dengan rata-rata ketebalan 70 ft pada lingkungan pengendapan terrestrial (low sinuousity channel) ke transitional lacustrinal deltaic system. Salah satu metodologi untuk memodelkan distribusi spasial dari properti reservoar adalah menggunakan elastik impendansi. Elastik impendasi merupakan kesamaan dengan AI untuk data non zero-offset dapat ditunjukkan dengan fungsi yang disebut elastik impedansi (EI). Fungsi ini merupakan generalisasi dari akustik impedansi untuk sudut datang yang bervariasi yang memberikan konsistensi dan kerangka kerja untuk mengkalibrasi dan menginversi data non zero-offset seismik seperti yang dilakukan AI pada zero-offset. Detail yang diinterpretasikan adalah formasi Arang pada struktur horizon top horizon A5_Horz dan bottom horizon A4_Horz. Dari analisa awal hasil ekstraksi RMS amplitudo volume near offset dan far offset menunjukkan adanya anomali AVO. Dengan melakukan cross plot antara AI dan EI normalisasi pada zona A5_Horz dan A4_horz pada data sumur menunjukkan perbedaan gradien antar zona gas dan zona non-HC dan cross over antara AI dan EI dengan penuruan nilai EI juga menunjukkan adanya gas. Pemodelan reservoar dilakukan dengan membandingkan inversi AI pada volume near offset dan inversi EI normalisasi pada volume far offset. Dari perbandingan tersebut didapatkan hubungan antara distribusi gas dengan anomali AVO pada indikasi awal dari ekstraksi RMS amplitudo.

---

The success of prediction of reservoir modeling is the mapping of hydrocarbon reservoirs such as gas distribution using inversion elastic parameters of rocks. RAKA field found around the year 1980 there are three formations Belut, Gabus and Arang. Formation of Arang is one type of gas-producing formations of sandstone reservoirs, with an average thickness of 70 ft in terrestrial depositional environments (low sinuousity channel) to the transitional lacustrinal deltaic system. One methodology for modeling the spatial distribution of reservoir properties is to use elastic impendance. Elastic impendance is common with accoustic impedance for the non zero-offset data can be shown with the function called Elastic Impedance (EI). This function is a generalization of the acoustic impedance for varying angle which provides consistency and a framework for calibrating and data menginversi non-zero-offset seismic as the AI in the zero-offset. Details are interpreted is the formation of Arang on the horizon structure A5_Horz top and bottom horizon horizon A4_Horz. Initial analysis of the extracted RMS amplitude of the volume of near offset and far offset shows the AVO anomaly. Cross plot wells data of AI and EI normalization in between A5_Horz zone and A4_horz show different gradient gas bearing zone and non-HC bearing zone (background trend) and cross over of AI and EI with low EI values can showing gas present. Then modeling of reservoir is done by comparing the inversion of AI in the volume of near offset and inversion of EI normalization the far offset volume. Comparison of two volume invertion of AI and EI normalization showing the gas distribution showed AVO anomaly at the first indication of the RMS amplitude extraction."

"ABSTRAKTulisan ini akan membahas analisis kinerja penyelesaian persamaan rambatan panas dua dimensi, dengan menggunakan metode odd-even Hopscotch secara paralel pada komputer paralel berbasis transputer. Analisis kinerja yang dimaksudkan disini berkisar pada masalah pengaruh jumlah prosesor, jumlah data, geometri data dan konfigurasi prosesor terhadap speedup dan efisiensi serta trade-off paralelisme lainnya. Hasil yang diharapkan dari penelitian ini adalah untuk mendapatkan parameter-parameter yang mempengaruhi speedup dan efisiensi, khususnya pada metode Hopscotch dan untuk masalah-masalah lain yang serupa pada umumnya. Sehingga dengan menggunakan parameter tersebut dapat menentukan topologi prosesor yang bisa memberikan speedup yang optimal."