Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRACTKorelasi sumur pada reservoir batugamping seringkali menjadi sangat rumit. Korelasimenggunakan data log saja dapat mengakibatkan terjadinya korelasi yang salah. Databiostratigrafi dapat membantu untuk memecahkan masalah tersebut. Batu gampingformasi Mundu-Selorejo tersusun oleh butir-butiran foraminifera plakntonik, sedikitklastik dan mineral lempung. Pembagian reservoir dapat dilakukan dengan membagizona nano fosilnya, dikenal dengan nama zonasi MSNZ.Interpretasi zona MSNZ ini sangat sulit dilakukan pada seismik konvensional. ZonasiMSNZ merupakan peristiwa pengendapan kronografi, dan peristiwa ini dapattercermin dalam sifat fisik batuan. Pada studi ini dilakukan interpretasi horizonMSNZ ini melalui perubahan impedansi akustik pada lapangan Sphenolithus ini.Horizon MSNZ ini kemudian menjadi input model pengendapan.Hasil dari korelasi sumur dan interpretasi impedansi akustik adalah sebuah modelyang menunjukan bahwa batugamping bioklastik ini diendapkan secara progradasi didasar laut. Endapan progradasi ini disebabkan oleh arus konturit. Hasil dari model inimenunjukan bahwa perkembangan fasies reservoir baik terbatas hanya berada padadaerah tinggian pada saat pengendapan.

---

ABSTRACTWell correlation in limestone reservoir often become very complicated. Correlationusing log data only, could cause missed correlation. Biostratigraphy data are able tosolve the problems. Mundu-Selorejo Formation limestone was consisting offoraminifera planktik grain, few clastic grain and clay minerals. Reservoir zonationwas done by dividing the nano fossil zones, known as MSNZ zonation.The MSNZ interpretation are hard to done in conventional seismic cube. The MSNZzonation was a chronographic depositional event, and this event could be shown inrock physical properties. Within this study the MSNZ horizons is interpreted throughthe acoustic impedance changes within Sphenolithus field. These MSNZ horizonsthen become an input for depositional model.The outcome of the correlation and acoustic impedance interpretation is a model thatshown the bioclastic limestone was deposited progrades on the sea bed. Theprogradation was caused by contourite current. The result of this model shown thatthe development of good reservoir facies was only limited to paleo-bathymetric highduring deposition."

"ABSTRAKIntegrasi data seismik dan log sumur dilakukan pada dataset lapangan Blackfootuntuk mengidentifikasi penyebaran litologi dan porositas pada zona targetreservoar tipis di lapangan ini. Integrasi dilakukan menggunakan analisa inversidan multi-atribut seismik. Dengan inversi seismik, tras seismik dapat diubahmenjadi volume impedansi akustik yang kemudian dikonversikan menjadiporositas dengan suatu asumsi sedangkan dengan multiatribut seismik, volumeporositas dapat diprediksi dengan transformasi linier dan non-linier antara propertilog sumur dengan serangkaian atribut seismik.Tiga jenis metoda inversi impedansi akustik diterapkan pada dataset yaitu inversirekursif, linear programming sparse-spike (LPSS) dan model-based. Hasil inversikemudian dibandingkan satu sama lain melalui parameter cross correlation danerror log. Hasil dari inversi yang berbeda-beda ini secara konsisten menunjukkanreservoar dengan impedansi rendah didalam channel pada kedalaman kurang lebih1060ms pada domain waktu. Inversi berbasiskan model menunjukkan pencitraanyang lebih baik dan koefisien korelasi yang paling tinggi (99.8%) dibandingkankedua jenis inversi lainnya. Karenanya, hasil inversi impedansi akustik modelbasedini kemudian digunakan sebagai atribut eksternal pada analisa multi-atribut.Volume pseudo porositas dibuat dari fungsi regresi dari crossplot hubunganimpedansi akustik hasil inversi dengan log porositas yang tersedia pada setiapsumur.Analisa multi-atribut digunakan untuk menghasilkan transformasi linier maupunnon-linier antara properti log sumur?dalam hal ini adalah log impedansi akustik,densitas dan porositas?dengan serangkaian atribut seismik. Untuk model linier,dipilih transformasi pembobotan linear step-wise regression (SWR) yangdiperoleh dari minimisasi least-square. Untuk mode non-linier probabilisticneural networks (PNN) di-training menggunakan atribut pilihan dari transformasiSWR sebagai input. PNN dipilih sebagai network yang akan diterapkan padadataset karena umumnya menunjukkan korelasi yang lebih baik dan mempunyaialgoritma matematis yang lebih sederhana.

---

AbstractIntegration of seismic and well log data of Blackfoot field dataset was conductedto identify the distribution of lithology and porosity of an interest thin reservoirzone in this field. The integration has been done using seismic and multiattributeanalyses. With seismic inversion, seismic trace can be changed into acousticimpedance which represent the physical property of the reservoir layer and thenconverted to be a porosity volume. With seismic multiattribute, log propertyvolumes are predicted using linear or non-linear transformations between logproperties and a set of seismic atrributes.Three types of seismic inversion have been applied to the dataset i.e. recursiveinversion, linear programming sparse-spike (LPSS) inversion and model-basedinversion. The results then were compared each other through cross correlationand error log parameters. The difference inversion results show clearly thereservoir with its related low impedance within a channel at the depth of 1550m ormoreless at 1060ms in time domain. The model-based inversion result showssmoothed image and the highest correlation coefficient (99.8%) compared to twoother inversions. Therefore, the acoustic impedance of model-based inversionresult was used for external attribute in multiattribute analyses. Pseudo-porosityvolume was produced from regression function of a crossplot between theacoustic impedance as an inversion result with the original porosity log.Multiattribute analyses were used to derive a relationship between well logproperties i.e. acoustic impedance, density and porosity logs?and a set of seismicattributes. The derived relationship can be linear (using step-wise regressiontransformation) or non-linear (using probabilistic neural network transformation).PNN is chosen as a network trained for final dataset because in general it showsbetter correlations and simpler matematic algorithms. The reliability of derivedrelationship is determined by cross-validation test."

"Telah dilakukan studi pemetaan distribusi reservoar dengan menggunakan metode inversi seismik. Pemetaan distribusi reservoar dilakukan dengan melihat persebaran dari nilai Acoustic Impedance (AI). Nilai AI didapatkan dengan melakukan metode inversi AI dengan masukan data seismik 3D Post-Stack dan kontrol dari empat buah sumur. Metode inversi yang digunakan adalah inversi bandlimited dan inversi spare-spike. Hasil proses inversi yaitu peta persebaran AI yang akan diidentifikasi sebagai distribusi reservoar pada tiga horizon (FS8, FS7, dan FS4). Lapangan F3 terletak di sektor laut utara Belanda. Lapangan ini memiliki potensi akumulasi hidrokarbon yang dangkal. Hal ini diindikasikan dengan keberadaan fenomena bright spots dan gas chimney pada penampang seismik. Berdasarkan hasil persebaran nilai AI dan porosity untuk ke tiga horizon, daerah prospek terdapat pada bagian tengah mengarah ke bagian timur daerah penelitian. ......The studied of reservoir distribution mapping using seismic inversion methods have been conducted. Reservoir distribution mapping was conducted by looking at the distribution Acoustic Impedance’s (AI) values. AI valeus were obtained by the AI inversion method with input from 3D Post Stack Time Migration (PSTM) seismic data and control from four wells. Inversion Methods that have been used are band limited inversion and spare spike inversion. The results of inversion process are AI distribution map which will be indentified as a distribution reservoir on three horozons (FS8, FS7, and FS4). F3 field was located on the Dutch sector of the North Sea. This field has shallow potential of hydrocarbon accumulation. This was indicated by the phenomenon's presence of gas chimney and the bright spot on the seismic section. Based on the results of AI distribution and porosity values on those horizons, the prospect area were located on the middle leads to the eastern part of the study area."

"This fully revised and updated edition introduces the reader to sedimentology and stratigraphic principles, and provides tools for the interpretation of sediments and sedimentary rocks."

"Besarnya ambiguitas dan kemungkinan dalam pemetaan bawah permukaan merupakan alasan utama dalam pengaplikasian berbagai macam teknik-teknik pemetaan untuk mendapatkan kemungkinan model bawah permukaan terbaik yang paling logis dan bisa digunakan untuk mendekati kondisi yang sebenarnya. Teknik analisa dan Pemodelan data gayaberat pada penelitian ini diaplikasikan untuk memastikan keberadaan struktur terumbu karbonat dari Formasi Kujung yang diidentifikasi sebagai struktur sembulan pada penampang seismik, dan pada penampang MT merupakan high resistivity zone. Berdasarkan kondisi geologi dan karakteristiknya, struktur karbonat ini diasumsikan akan mempunyai kontras densitas yang sangat baik dengan litologi batuan disekitarnya sehingga hasil pemodelan data gayaberat yang dikorelasikan dengan data-data geofisika lainnya ini, dapat dengan baik untuk digunakan dalam mendekati kondisi bawah permukaan area FW1807 dan dapat mengkonfirmasi keberadaan Kujung carbonates reservoir dalam bentuk terumbu karbonat yang berada pada kedalaman sekitar 2000-3000 m. tepat diatas basement. ......The high ambiguity and the probability in subsurface mapping are the main reason for the application of many mapping techniques in order to get the best logical subsurface probability and also to approach the geological condition. Gravity analysis technique and modeling in this study are applied to ensure the presence of carbonate reef from Kujung Formation which is identified as an anticline at seismic section and from MT section as a high resistivity zone. Based on geological condition and geological characterization, the carbonate structure is assumed will have a good density contrast compare with the surrounding lithology. The quality of gravity modeling which is correlate with others geophysical data, can well approach the subsurface condition of "FW1807" and can confirm the presence of Kujung carbonat reservoir in the form of carbonate reef at depth between 2000-3000 m. just above the basement."

"ABSTRAKDaerah penelitian termasuk dalam fisiografi Pegunungan Kulon Progo sebelah timur, tepatnya di Sungai Niten, Kecamatan Giripurwo, Kulon Progo, DIY. Penelitian ini bertujuan untuk mengidentifikasi struktur geologi dan hubungan stratigrafi Formasi Andesit Tua dan Formasi Sentolo. Metode penelitian meliputi pengamatan data struktur geologi meliputi data kekar dan sesar sedangkan data stratigrafi menggunakan metode pengukuran stratigrafi (MS) yang dilakukan di Formasi Andesit Tua bagian atas dan pada Formasi Sentolo bagian bawah. Berdasarkan hasil pengolahan data, sesar utama pada daerah penelitian adalah Right Slip Fault, dengan besaran rake yang didapat 5odan net slip N 340 oE. Bidang sesar utama memiliki arah dan kemiringan N 335o E / 55o. Arah gaya utama sesar diperoleh dari pembacaan (σ1) pada sesar utamayaitu didapatkan 50o, N 220oE, sesuai dengan arah umum extensional fracture yang berarah timurlaut-baratdaya. Pengaruh struktur geologi berupa sesar mendatar Mengkanan Niten, memotong satuan Breksi Andesit dan Batupasir Tufan karbonatan. Intepretasi pada peta geologi daerah penelitian terdapat offset pelamparan bukit di timur Sungai Niten. Offset bukit tersebut dikontrol oleh pergerakan Sesar Mendatar Mengkanan Niten. Hal itu didukung dengan sebaran satuan Breksi Andesit melampar hingga ke selatan di sebuah bukit kecil, sebelah timur Sungai Niten. "

"Lapangan 'HD' merupakan lapangan gas di Cekungan Sunda yang dikembangkan sejak tahun 2006 dan telah membuktikan keberadaan hidrokarbon pada lapisan batupasir Formasi Talang Akar bagian atas. Formasi ini merupakan sedimen sedimen darat yang terendapkan sepanjang aliran sungai purba (paleochannel) berumur Oligosen Atas dan berpotensi sebagai lapisan reservoir yang baik. Aplikasi multi atribut seismik merupakan salah satu teknik yang dipakai dalam mengidentifikasi pola sebaran dan kualitas reservoir sedimen tersebut. Penerapan teknik multi atribut seismik pada Lapangan "HD" menghasilkan 7 atribut kombinasi terbaik yaitu Filter 55/60-65/70, Duadrature Trace, Log (inversion), Filter 35/40-45/50, Derivative, Y-Coordinate, dan Second Derivative dengan koefisien korelasi sebesar 0.612388. Hasil dari sebaran distributary channel pada 4 lapisan reservoir target diinterpretasikan masuk ke dalam lingkungan pengendapan upper delta plain dimana secara kualitas Lapisan Sand-A mempunyai porositas terbaik 18%, Sand-B sebesar 20%, Sand-C bernilai 28%, dan Sand-D sebesar 24%. Sedangkan dari identifikasi kawasan prospek hidrokarbon, Lapisan Sand-A mempunyai 5 kandidat prospek (A1, A2, A3, A4 dan A5), Lapisan Sand-B terdapat 6 kandidat prospek (B1, B2, B3, B4, B5 dan B6), Lapisan Sand-C mempunyai 5 kandidat prospek (C1, C2, C3, C4 dan C5), serta Lapisan Sand-D terdapat 7 prospek (D1, D2, D3, D4, D5, D6 dan D7). Hasil perhitungan sumberdaya hidrokarbon keempat lapisan reservoir didapatkan original oil inplace Sand-A sebesar 1,63 mmscf, Sand-B sebesar 2,47 mmscf, Sand-C sebesar 0,7 mmscf, dan Sand-D sebesar 7,07 mmscf.

---

"HD" fields is a gas field in Sunda Basin, it developed since 2006. The hydrocarbon existence in this field is proven at sandstone layers of the Upper Talang Akar Formation. Upper Talang Akar Formation is a terrestrial sediments, which is deposited along the ancient river (paleochannel) of Upper Oligocene age and this formation is potential to be a good reservoir. Multi attribute seismic application is a techniques used to identify the patterns of distribution and reservoir sediments quality. The application of multi attribute seismic techniques in the "HD" field produce 7 best attributes combination, they are Filter 55/60-65/70; Duadrature Trace; log (inversion); Filter 35/40-45/50; Derivative; YCoordinate; and second derivative with correlation coefficient 0.612388.

The result of the distributary channel in the 4 layers reservoir target are interpreted into the upper delta plain deposition environment. Sand-A layer has the best porosity about 18%, Sand-B by 20%, Sand-C around 28%, and Sand-D approximately 24%. Whilst the hydrocarbon prospect identification of the region, Sand-A layer have 5 prospects candidate (A1, A2, A3, A4, and A5), Sand-B layer have 6 prospects candidate (B1, B2, B3, B4, B5, and B6), Sand-C have 5 prospects candidate (C1, C2, C3, C4, and C5), and Sand-D have 7 prospects candidate (D1, D2, D3, D4, D5, D6, and D7). The results of hydrocarbon resources calculation from reservoir layer obtained original oil inplace. Sand-A layer has 1,63 mmscf, Sand-B 2,47 mmscf, Sand-C 0,7 mmscf, and Sand-D 7,07 mmscf."