Karakterisasi Reservoar Menggunakan Metode Inversi Impedansi Akustik dan Multiatribut untuk Menentukan Persebaran Reservoar pada Lapangan "OVI" Cekungan Sumatera Tengah

Ovina, Aisyah (2023) Karakterisasi Reservoar Menggunakan Metode Inversi Impedansi Akustik dan Multiatribut untuk Menentukan Persebaran Reservoar pada Lapangan "OVI" Cekungan Sumatera Tengah. Diploma thesis, Universitas Andalas.

	Text (Cover dan Abstrak) Cover dan Abstrak.pdf - Published Version Download (307kB)
	Text (Bab 1 Pendahuluan) Bab 1 Pendahuluan.pdf - Published Version Download (154kB)
	Text (Bab 5 Penutup) Bab 5 Penutup.pdf - Published Version Download (141kB)
	Text (Daftar Pustaka) Daftar Pustaka.pdf - Published Version Download (210kB)
	Text (Skripsi Full Text) Skripsi Fulltext.pdf - Published Version Restricted to Repository staff only Download (10MB)

Abstract

Telah dilakukan penelitian tentang karakterisasi reservoar menggunakan metode Inversi Impedansi Akustik dan Multiatribut pada Formasi Telisa di Lapangan OVI, Cekungan Sumatera Tengah. Data yang digunakan adalah data seismik 3D Post-Stack Time Migration (PSTM) dan data tujuh sumur (OV1, OV2, OV5, OV12, OV16, OV31, dan OV32) terdiri dari sonic log, density log, dan gamma ray log. Inversi seismik impedansi akustik dilakukan dengan menggunakan metode inversi model based. Hasil inversi model based menujukkan bahwa nilai impedansi akustik sand berkisar antara 9,670 ft/s*gr/cc hingga 27,070 ft/s*gr/cc. Pada analisis multiatribut digunakan tujuh atribut yaitu amplitude envelope, derivative, average frequency, amplitude weighted frequency, filter 2/5/30 – 35/40, time, dan dominant frequency. Nilai koefisien korelasi yang diperoleh masih rendah yaitu, 0,515977 untuk porositas dan 0,61025 untuk Vshale. Nilai koefisien korelasi yang lebih tinggi diperoleh melalui analisis multiatribut yang dikombinasikan dengan Neural Network (NN). Pada metode Probabilistic Neural Network (PNN), diperoleh koefisien korelasi sebesar 0,647919 untuk porositas dan 0,667353 untuk Vshale. Selanjutnya, pada metode Multi-Layer Feed-Forward Network (MLFN) didapatkan koefisien korelasi sebesar 0,954799 untuk porositas dan 0,90528 untuk Vshale. Dari peta persebaran porositas, peta persebaran volume shale, dan peta struktur kedalaman zona prospek hidrokarbon diestimasi pada zona ketinggian dari jebakan struktural di kedalaman ± 650 meter. Zona prospek ditandai dengan nilai porositas yang tinggi yaitu 23% - 36% dan nilai volume shale yang rendah dibawah 1,35 v/v. Berdasarkan hasil penelitian dapat disimpulkan bahwa, analisis multiatribut model based yang dikombinasikan neural network cukup efektif dalam menentukan karakterisasi reservoar dan memprediksi zona prospek hidrokarbon.

Actions (login required)

View Item