STUDI FASIES SEISMIK UNTUK MENGETAHUI PENYEBARAN RESERVOAR PADA FORMASI UPPER RED BED DI LAPANGAN EKSPLORASI “SETIAWAN” CEKUNGAN SUMATERA TENGAH

Setiawan, Bimo Yudha (2015) STUDI FASIES SEISMIK UNTUK MENGETAHUI PENYEBARAN RESERVOAR PADA FORMASI UPPER RED BED DI LAPANGAN EKSPLORASI “SETIAWAN” CEKUNGAN SUMATERA TENGAH. Other thesis, UPN "Veteran" Yogyakarta.

[thumbnail of ABTRAK.pdf]
Preview
Text
ABTRAK.pdf

Download (297kB) | Preview
[thumbnail of SKRIPSI.pdf] Text
SKRIPSI.pdf
Restricted to Repository staff only

Download (18MB)

Abstract

Telah dilakukan studi mengenai fasies seismik untuk membagi kelompok fasies
kedalam kelas-kelas tertentu, dan memprediksi fasies yang berada diluar titik
pengukuran menggunakan metode neural network trace shape classification.
Penelitian bertujuan untuk memprediksi karakterisasi batuan pada interest zone
dan penyebaran reservoar dari data seismik yang digunakan, sehingga dapat
menetukan proposed well sebagai daerah acuan untuk penetuan sumur baru.
Seismik inversi merupakan teknik pemodelan geologi bawah permukaan
menggunakan data seismik sebagai input dan data sumur sebagai kontrolnya.
Dalam penelitian ini menggunakan beberapa metode inversi yaitu : sparsespike,
linear programing, nonlinear programing, maximum likehood, dan constrained
inversion. Kemudian data 3D volume seismik inversi dan 3D volume atribut
digunakan sebagai data input pada metode neural network untuk menghasilkan
output berupa peta fasies seismik yang kemudian diinterpretasi secara kuantitatif
berdasarkan kelas-kelas yang telah diklasifikasi.
Hasil yang diperoleh berdasarkan karakterisasi reservoar pada Lapangan
“SETIAWAN” Formasi Upper Red Bed pada Kelompok Pematang menunjukkan
nilai AI sebesar 12000-26000(ft/s)*(g/cc), dimana setelah dilakukan interpretasi
secara kuantitatif maka metode inversi yang terbaik adalah metode Nonlinear
programing. Peta fasies yang dihasilkan dengan metode neural network trace
shape classification memberikan informasi mengenai persebaran fasies dengan
berapa kelas (5 class, 7 class, 9 class dan 11 class), sehingga dilakukan
interpretasi secara kuantitatif diperoleh peta fasies seismik 5 class, dengan bentuk
pola peta fasies yang di hasilkan yaitu fluvial braided stream pada lingkungan
lacustrine. Penyebaran fasies yang dihasilkan berdasarakan kontrol struktur
berarah SW-NE. Berdasarakan informasi dari integrasi peta yang terkait (Seismic
facies map, isopach map, time structure map, seismik amplitude, dan
elektrofasies) maka dapat dapat diinterpretasi sebagai daerah yang prospek untuk
opportunity well berdasarkan analisa oportunity area adalah dengan persebaran
fasies bewarna coklat dengan lokasi proposed well yang telah ditentukan.

Kata kunci : Neural network trace shape classification, Seismik Inversi, Fasies
Seismik.

The research has been done about seismic facies devided on several classes, and
facies prediction which has out of target point using neural network trace shape
classification. This reseach have some obtains to predict physical
characterization stone and reservoair distribution on seismic data used, then
determine prospect wells of proposed area to new wells location as target.
Seismic inversion is geological subsurface technique and modeling using seismic
data as input and well control as validation. This study uses certain methods to
attempt, they are : sparsespike, linear programing, nonlinear programing,
maximum likehood, and constrained inversion. As resulted 3D seismic cube
volume and 3D cube volume attributes uses as input data on neural network
method to generate output facies map for quantitatively interpretation based
classes have been classified.
Reservoair characterization at “SETIAWAN” Field on Upper Red Bed
Formation showed AI value with range 12000-26000 (ft/s)*(g/cc), and nonlinear
programing method choose quantitatively. Facies map produced by neural
network trace classification method provide facies distribution with some classes
(class 5, class 7, class 9, class 11), and class 5 choose quantitatively, with
pattern recognition assosiated fluvial braided stream on lacustrine enviromental
depotition. Structural control on facies map showed with orientation SW-NE.
Based on integration association map (seismic facies, isopach map, time structure
map, seismic amplitude, and electrofacies), could be interpreted opportunity well
from opportunity area which facies colored brown (well location target marked).

Keyword : Neural network trace shape classification, Seismic Inversion, Seismic
Facies.

Item Type: Thesis (Other)
Subjects: T Technology > T Technology (General)
Divisions: Faculty of Engineering, Science and Mathematics > School of Geography
Depositing User: Eko Yuli
Date Deposited: 10 May 2016 08:05
Last Modified: 12 Oct 2022 03:32
URI: http://eprints.upnyk.ac.id/id/eprint/549

Actions (login required)

View Item View Item