Hasil Pencarian  ::  Simpan CSV :: Kembali

"Cluster analysis dari atribut seismik merupakan suatu metode yang digunakan untuk mengelompokkan litologi dari data seismik yang telah direkam dan diproses. Secara prinsip, cluster analisis memproyeksikan N atribut seismik ke sistem koordinat dengan N-dimensi yang menghasilkan K cluster yang merepresentasikan litologi yang berbeda. Penentuan center dari data dapat dilakukan secara acak yang kemudian berubah-rubah karena proses iterasi (unsupervised). Dekomposisi spektral mengubah amplitudo seismik sebagai fungsi ruang dan waktu menjadi frekuensi, ruang, dan waktu. Dekomposisi spektral telah digunakan dalam berbagai aplikasi seperti penentuan ketebalan lapisan tipis, visualisasi stratigrafi, dan deteksi hidrokarbon secara langsung. Metode dekomposisi spektral yang biasa digunakan antara lain STFT (short-time fourier transform), CWT (continuous wavelet transform), dan EMD (Empirical Mode Decomposition). Ada banyak atribut-atribut yang dapat diekstrak dari data seismik dan pemilihan atribut yang hanya dapat mempengaruhi distribusi litologi ini secara dominan bukan merupakan hal yang mudah karena pada kenyataannya beberapa atribut tidak memberikan kontribusi dalam pengelompokkan litologi. Untuk mengurangi hal itu, penulis menggunakan principal component analysis pada atribut seismik. Metode ini memilih atribut yang telah terotasi yang memberikan kontribusi untuk clustering berdasarkan urutan nilai eigen valuenya. Hasil yang didapatkan menunjukkan konsistensi dengan peta litologi yang sudah ada.

---

Cluster analysis of seismic attributes is a method used to classify the lithology of the seismic data that has been recorded and processed. In principle, cluster analysis of seismic attributes to transform the N system with N-dimensional coordinates that produce K clusters that represent different lithologies. Determination of center of data is done through a random process that later change of due process of iteration (unsupervised).

The spectral decomposition of seismic change amplitude as a function of space and time into the frequency, space and time. Spectral decomposition has been used in various applications such as thickness estimation for thin beds, visualization stratigraphy, reservoir characterization, and direct hydrocarbon detection. There are a variety of spectral decomposition methods, STFT (short-time Fourier transform), CWT (continuous wavelet transform), MPD (matching pursuit decomposition) and EMD (Empirical Mode Decomposition). The method used in this study is the method of EMD.

There are many attributes that can be extracted from seismic data and the selection of attributes that can only affect the distribution of the dominant lithology is not an easy thing because of the fact that some attributes do not contribute to the grouping of lithology. To reduce it, the author uses principal component analysis on seismic attributes. This method of selecting the attributes that have been rotated to contribute to clustering based on the sequence of eigenvalues valuenya. The results obtained show consistency with existing lithologic maps."

"Pemisahan campuran propana/propilena (C3H8/C3H6) merupakan salah satu proses penting tetapi menantang dalam industri petrokimia akibat konsumsi energi yang besar. Metode pemisahan dengan menggunakan membran berbasis kerangka metal-organik merupakan teknik modern yang dapat mengurangi kebutuhan energi dibandingkan metode separasi konvensional. Penelitian baru-baru ini, (Wang, dkk., Advanced Materials, 2023, 35, 2207955) menemukan kerangka metal-organik Zn2(BDC(CF3)2)2(DABCO) untuk pemisahan campuran propana/propilena. Membran tersebut mampu menghasilkan produk propilena dengan tingkat puritas 99.99% dengan selektivitas hingga 2.18 pada kondisi tekanan 1 bar dan temperatur 298 K. Dalam penelitian ini, simulasi dinamika molekuler digunakan untuk mendapat nilai selektivitas adsorpsi dan difusi serta membandingkannya dengan kerangka metal organik Zn2(BDC(CF3)2)2(Pirazina) karena memiliki berat yang lebih ringan dan meningkatkan luas permukaan adsorpsi dalam berat yang sama. Pada tekanan 1 bar dan 298 K, selektivitas adsorpsi untuk Zn2(BDC(CF3)2)2(DABCO) dan Zn2(BDC(CF3)2)2(Pirazina) adalah sebesar 5,91 dan 2,36. Selektivitas difusi pada temperatur 298 K juga diperoleh dengan besaran nilai 1,965 dan 3,182.

---

The separation of propane/propylene (C3H8/C3H6) mixtures is a crucial yet challenging process in the petrochemical industry due to its high energy consumption. Separation methods using metal-organic framework (MOF) membranes are modern techniques that can reduce energy requirements compared to conventional separation methods. Recent research (Wang et al., Advanced Materials, 2023, 35, 2207955) discovered the metal-organic framework Zn2(BDC(CF3)2)2(DABCO) for the separation of propane/propylene mixtures. This membrane is capable of producing propylene with a purity level of 99.99% and a selectivity of up to 2.18 under conditions of 1 bar pressure and 298 K temperature. In this study, molecular dynamics simulations is used to obtain adsorption and diffusion selectivity values and compare them with the metal-organic framework Zn2(BDC(CF3)2)2(Pirazina) because it has a lighter weight and increases the surface area for adsorption in the same weight. At a pressure of 1 bar and 298 K, the adsorption selectivity for Zn2(BDC(CF3)2)2(DABCO) and Zn2(BDC(CF3)2)2(Pirazina) is 5.91 and 2.36, respectively. Diffusion selectivity at 298 K was also obtained, with values of 1.965 and 3.182, respectively.

"