Search Result  ::  Save as CSV :: Back

"Pada area Cekungan Tarakan terdapat beberapa titik lokasi yang dapat diindikasikan sebagai zona prospek, akan tetapi lingkungan batu klastik membuat zona prospek tersebut sulit untuk ditentukan batas-batasnya. Penelitian ini bertujuan untuk melakukan karakterisasi reservoir di Lapangan "X" Cekungan Tarakan Kalimantan Utara dengan menggunakan pendekatan Probabilistik Neural Network (PNN) dan analisis seismik multi-atribut. Metode seismic multi-atribut digunakan untuk mencari atribut apa yang paling sensitif, lalu metode probabilistic neural network ini digunakan untuk memprediksi distribusi properti petrofisika, termasuk porositas, volume shale, dan saturasi air pada reservoir. Data yang digunakan meliputi data seismik post-stack, data well log, serta parameter petrofisika dari sumur yang relevan. Hasil penelitian menunjukkan bahwa kombinasi atribut seismik yang paling sensitif untuk karakterisasi reservoir di Lapangan "X" melibatkan atribut seperti amplitudo seismik, frekuensi dominan, dan fase instan. Penerapan PNN berhasil meningkatkan akurasi prediksi distribusi porositas, volume shale, dan saturasi air dengan tingkat korelasi yang memadai, di mana porositas mencapai korelasi 0.646, volume shale 0.403, dan saturasi air 0.695. Berdasarkan analisis ini, dapat dikatakan bahwa metode PNN juga dapat menurunkan nilai error yang dimana memberikan gambaran yang lebih detail mengenai karakteristik reservoir berdasarkan parameter yang ada, yang berguna untuk perencanaan eksplorasi dan produksi hidrokarbon di masa depan di Cekungan Tarakan.

---

In the Tarakan Basin area, there are several locations that can be indicated as prospect zones, but the clastic rock environment makes it difficult to determine the boundaries of these zones. This study aims to characterize the reservoir in the "X" Field, Tarakan Basin, North Kalimantan, using a Probabilistic Neural Network (PNN) approach and multi-attribute seismic analysis. The multi-attribute seismic method is used to identify the most sensitive attributes, while the probabilistic neural network method is employed to predict the distribution of petrophysical properties, including porosity, shale volume, and water saturation in the reservoir. The data used in this study includes post-stack seismic data, well log data, and petrophysical parameters from relevant wells. The results show that the combination of seismic attributes most sensitive for reservoir characterization in the "X" Field involves attributes such as seismic amplitude, dominant frequency, and instant phase. The application of PNN successfully improved the accuracy of predicting the distribution of porosity, shale volume, and water saturation with adequate correlation levels, where porosity achieved a correlation of 0.646, shale volume 0.403, and water saturation 0.695. Based on this analysis, it can be concluded that the PNN method also reduces error values, providing a more detailed picture of the reservoir characteristics based on available parameters, which is useful for future hydrocarbon exploration and production planning in the Tarakan Basin."

"ABSTRAK

Integrasi pemodelan isi fluida dan analisis seismik AVO untuk memetakan reservoar gas Globigerina limestone melalui simultaneous pre stack inversion telah dilakukan pada Cekungan Jawa Timur, Selat Madura. Penelitian ini memanfaatkan pemodelan ke belakang atau lebih dikenal sebagai inversion modelling. Tujuan dari penelitian ini adalah untuk menggambarkan penyebaran reservoar gas dari Globigerina limestone sehingga hasil analisis kuantitatifnya dapat dijadikan sebagai rujukan didalam pemboran sumur berikutnya. Penelitian diawali dengan pembuatan low frequency model yang optimum yaitu dengan mengintegrasikan pemodelan isi fluida dan analisis seismik AVO. Integrasi keduanya diperlukan mengingat target penelitian banyak terpengaruh oleh zona gas dangkal yang mengakibatkan terdistorsinya puncak dan dasar dari struktur reservoar targetnya. Data penelitian terdiri dari data seismik tiga dimensi (3D) seluas 320km² dengan kerapatan bin size 18.75m x 12.5m disertai dengan dua data sumur. Hasil dari crossplot menunjukan bahwa litologi target reservoar dapat dibedakan dengan litologi non reservoar melalui log Vp dan Vs. Hasil dari crossplot antara impedansi P dan Vp/Vs dapat menunjukkan bagaimana kualitas reservoar gas pada struktur F dan struktur H. Nilai cut-off pada crossplot utama yaitu antara impedansi P dan Vp/Vs adalah sebesar 2.400 - 5.500 gr/cc*m/s dan 2,0 - 2,1 pada rasio cepat rambat gelombang. Hasil dari optimasi low frequency model menunjukkan bahwa pada struktur G, yang merupakan target pemboran berikutnya, respon impedansi P dan Vp/Vs nya analog terhadap kedua struktur F dan H. Hal ini menunjukkan bahwa melalui integrasi pemodelan isi fluida dan analisis seismik AVO, low frequency model dapat dioptimasikan sehingga metode simultaneous seismic inversion mampu memetakan zona-zona reservoar gas lainnya.

---

ABSTRACT

Integration of fluid replacement modelling and seismic AVO analysis towards simultaneous seismic inversion had been done to delineate the distribution of Globigerina limestone gas reservoir in Madura Strait, East Java Basin. This study was using backward modelling or well known as inversion modelling to finish the quantitative analysis. The purpose of the study is to map the distribution of Globigerina limestone gas reservoir so that in the end the final result will be used as a guidance to drill the next exploration well. It started with an optimized low frequency model building by integrating fluid replacement modelling and seismic AVO analysis. By integrating these two methods, the distorted reservoir top structure and bottom can be compensated and the low frequency model will be optimized. The availability of the data includes 3D seismic data with acquisition bin size 18.75m x 12.5m, area of 320km², with two well logs. The crossplot result showed that the reservoir and non-reservoir lithology can be distinguished by Vp and Vs log. By analysing the acoustic impedance together with Vp/Vs, the character of gas reservoir at surrounding F and H structures can also be delineated. The main cutoff for acoustic impedance and Vp/Vs were 2,400 - 5,500 gr/cc*m/s and 2.0 - 2.1. The final optimizing result of low frequency model showed that the target G structure, which will be the next exploration target, showed an analogue response with its neighbour F and H structures. It is concluded that by integrating both two methods, fluid replacement modelling and AVO seismic analysis, the optimizing of low frequency model can be achieved and the simultaneous seismic inversion can successfully map other gas reservoir.

"