Yudha Setiawan, Bimo (2016) STUDI FASIES SEISMIK UNTUK MENGETAHUI PENYEBARAN RESERVOAR PADA FORMASI UPPER RED BED DI LAPANGAN EKSPLORASI “SETIAWAN” CEKUNGAN SUMATERA TENGAH STUDY OF SEISMIC FACIES TO DETERMINE RESERVOIR DISTRIBUTION ON UPPER RED BED FORMATION “SETIAWAN” EXPLORATION FIELD CENTRAL SUMATERA BASIN. Other thesis, UPN ''VETERAN'' YOGYAKARTA.
|
Text
ABTRAK.pdf Download (297kB) | Preview |
Abstract
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. 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.
| Item Type: | Thesis (Other) |
|---|---|
| Subjects: | Q Science > Q Science (General) |
| Divisions: | Faculty of Engineering, Science and Mathematics > School of Geography |
| Depositing User: | Erny Azyanti |
| Date Deposited: | 09 Nov 2016 03:50 |
| Last Modified: | 09 Nov 2016 03:50 |
| URI: | http://eprints.upnyk.ac.id/id/eprint/8592 |
Actions (login required)
 |
View Item |