Hasil Pencarian  ::  Simpan CSV :: Kembali

"Cekungan Banggai memiliki potensi hidrokarbon yang terakumulasi pada reservoir karbonat dengan porositas ganda – porositas primer dan sekunder akibat diagenesis. Hal tersebut menyebabkan variasi nilai porositas secara vertikal maupun lateral sehingga menyulitkan identifikasi zona hidrokarbon yang potensial. Untuk mengidentifikasi zona reservoir karbonat dengan porositas ganda, penelitian ini mengintegrasikan metode inversi seismik, multiatribut seismik, dan Probabilistic Neural Network (PNN), yang bertujuan untuk meningkatkan akurasi dalam pemodelan karakteristik reservoir. Hasil penelitian menunjukkan bahwa karbonat build-up Formasi Mantawa memiliki impedansi akustik rendah (6200–10000 m/s*g/cc), porositas tinggi (21%–28%), dan saturasi air rendah (30%–47%), yang mengindikasikan adanya batuan berpori yang mengandung hidrokarbon. Diharapkan dengan penerapan integrasi metode tersebut, distribusi reservoir, porositas, dan saturasi air dapat dipetakan dengan lebih akurat berdasarkan hasil dari prediksi Probabilistic Neural Network (PNN) dan membuka peluang eksplorasi lebih lanjut di zona prospektif Lapangan ZENA.

---

The Banggai Basin has hydrocarbon potential accumulated in carbonate reservoirs with dual porosity – primary and secondary porosity due to diagenesis. This causes variations in porosity values both vertically and laterally, making it difficult to identify potential hydrocarbon zones. To identify carbonate reservoir zones with dual porosity, this study integrates seismic inversion methods, multi-attribute seismic analysis, and Probabilistic Neural Network (PNN), aimed at improving the accuracy of reservoir characteristic modeling. The results show that the carbonate build-up of the Mantawa Formation has low acoustic impedance (6200–10000 m/s*g/cc), high porosity (21%–28%), and low water saturation (30%–47%), indicating the presence of porous rocks containing hydrocarbons. It is expected that with the application of the integration of these methods, the distribution of the reservoir, porosity, and water saturation can be mapped more accurately based on the results from the predictions of the Probabilistic Neural Network (PNN), thus opening up further exploration opportunities in the prospective zones of the ZENA Field."

"Cekungan Banggai memiliki potensi hidrokarbon yang terakumulasi pada reservoir karbonat dengan porositas ganda – porositas primer dan sekunder akibat diagenesis. Hal tersebut menyebabkan variasi nilai porositas secara vertikal maupun lateral sehingga menyulitkan identifikasi zona hidrokarbon yang potensial. Untuk mengidentifikasi zona reservoir karbonat dengan porositas ganda, penelitian ini mengintegrasikan metode inversi seismik, multiatribut seismik, dan Probabilistic Neural Network (PNN), yang bertujuan untuk meningkatkan akurasi dalam pemodelan karakteristik reservoir. Hasil penelitian menunjukkan bahwa karbonat build-up Formasi Mantawa memiliki impedansi akustik rendah (6200–10000 m/s*g/cc), porositas tinggi (21%–28%), dan saturasi air rendah (30%–47%), yang mengindikasikan adanya batuan berpori yang mengandung hidrokarbon. Diharapkan dengan penerapan integrasi metode tersebut, distribusi reservoir, porositas, dan saturasi air dapat dipetakan dengan lebih akurat berdasarkan hasil dari prediksi Probabilistic Neural Network (PNN) dan membuka peluang eksplorasi lebih lanjut di zona prospektif Lapangan ZENA.

---

The Banggai Basin has hydrocarbon potential accumulated in carbonate reservoirs with dual porosity – primary and secondary porosity due to diagenesis. This causes variations in porosity values both vertically and laterally, making it difficult to identify potential hydrocarbon zones. To identify carbonate reservoir zones with dual porosity, this study integrates seismic inversion methods, multi-attribute seismic analysis, and Probabilistic Neural Network (PNN), aimed at improving the accuracy of reservoir characteristic modeling. The results show that the carbonate build-up of the Mantawa Formation has low acoustic impedance (6200–10000 m/s*g/cc), high porosity (21%–28%), and low water saturation (30%–47%), indicating the presence of porous rocks containing hydrocarbons. It is expected that with the application of the integration of these methods, the distribution of the reservoir, porosity, and water saturation can be mapped more accurately based on the results from the predictions of the Probabilistic Neural Network (PNN), thus opening up further exploration opportunities in the prospective zones of the ZENA Field."

"Anggota Mentawa dan Formasi Minahaki di Lapangan “MUTHIA”, yang terletak di Cekungan Banggai, Sulawesi Tengah, memiliki potensi hidrokarbon. Namun, karakterisasi reservoir karbonat di lapangan ini menghadapi tantangan akibat diagenesis batuan karbonat. Untuk mengatasi tantangan tersebut, penelitian ini bertujuan untuk mengidentifikasi reservoir karbonat pada zona target dengan menerapkan metode inversi seismik simultan dan transformasi Lambda-Mu-Rho (LMR). Berdasarkan analisis sensitivitas data log, Lambda-Rho terbukti sebagai parameter elastis yang paling sensitif dalam membedakan zona reservoir dan non-reservoir. Hasil penelitian menunjukkan bahwa zona reservoir teridentifikasi pada formasi target dengan nilai Lambda-Rho rendah (≤30 GPa·g/cc) dan densitas rendah (≤2,3 g/cc), mengindikasikan batuan berpori dengan potensi kandungan hidrokarbon. Penelitian ini diharapkan memberikan kontribusi penting dalam memahami karakteristik reservoir karbonat di Lapangan “MUTHIA” dan dapat digunakan sebagai acuan untuk eksplorasi lebih lanjut.

---

The Mentawa and Minahaki Members in the "MUTHIA" Field, located in the Banggai Basin, Central Sulawesi, have hydrocarbon potential. However, the characterization of carbonate reservoirs in this field faces challenges due to the diagenesis of carbonate rocks. To address these challenges, this study aims to identify carbonate reservoirs in the target zone by applying simultaneous seismic inversion and Lambda-Mu-Rho (LMR) transformation methods. Based on log data sensitivity analysis, Lambda-Rho has proven to be the most sensitive elastic parameter in distinguishing between reservoir and non- reservoir zones. The research findings show that the reservoir zone is identified in the target formation with low Lambda-Rho values (≤30 GPa·g/cc) and low density (≤2.3 g/cc), indicating porous rocks with hydrocarbon potential. This study is expected to make a significant contribution to understanding the characteristics of carbonate reservoirs in the "MUTHIA" Field and can serve as a reference for further exploration."