Laporkan Masalah

ANALISIS PERSEBARAN RESERVOAR MENGGUNAKAN MULTI ATRIBUT SEISMIK DAN NEURAL NETWORK PADA FORMASI "S-1",LAPANGAN "GAN",CEKUNGAN KUTAI LAUT DALAM, SELAT MAKASSAR

NINDA AGRI KHARISA, Prof. Dr. H. Sismanto, M.Si

2014 | Skripsi | GEOFISIKA

Formasi S-1, Lapangan "GAN" terdiri dari lapisan batupasir tipis yang berada di cekungan Kutai Laut Dalam.Oleh karena itu perlu dilakukan analisis multi atribut seismik dan neural networkdengan masukan data seismik dan sumur melalui metode geostatistikal dengan menggunakan software EMERGE dari Humpson-Russell. Tujuan dari penelitian ini adalah untuk memetakan persebaran batupasir pada target reservoar berdasarkan hasil volume log semu dan peta slicing. Pada analisis awal dilakukan inversi coloured kemudian hasilnya sebagai masukan eksternal atribut di proses analisis multi atribut. Dengan mengkombinasikan analisis probabilistic neural network diperolehlog target p-impedance, p-wave, dangamma ray dapat memetakan persebaran reservoar. Hasil volum semu dan peta slicing diperoleh nilai GR rendah sebesar 60-70 gapi, nilai impedansi akustik rendah sebesar 24950 s.d 25100 ((ft/s)*(g/cc)) serta hasil yang serupa pada target log p-wave yang bernilai rendah sebesar 9800 ft/s. Dengan menggabungkan semua hasil yang diperoleh dari ketiga target log tersebut dapat diinterpretasikan di lapangan "GAN" target reservoar formasi S-1 dapat terlihat bahwa sumber pengendapan batupasir yang terendapkan pada zaman Miosen Atas ini dari arah barat daya (delta Mahakam) ke timur laut (cekungan Kutai laut dalam) yang terlihat sebagai beberapa channel menuju ke basin floor dengan fluida gas terfokuskan berada di sumur GAN-1.

S-1 Formation, "GAN" Field consists of thin layer sandstones where deposited on Deep Water Kutai basin. Therefore was done multi attributes and neural network analysis with seismic and log data input using geostatistical method with the help of EMERGE software of Humpson-Russell. And the objective of this study is to map sand distribution of reservoir target based on pseudo volume log and slicing map result. Coloured inversion was done in first analysis then the result of it as attribute external input in multi attribute analysis. It is combined with probabilistic neural network got the result that p-impedance, p-wave, and gamma ray target log can map reservoir distribution. The result of pseudo volume and slicing map got low value of gamma ray, p-impedance, and p-wave is 60-70 gapi, 24950-25100 ((ft/s)*(g/cc)), 9800 ft/s. Combining all log target results can be interpreted that in reservoir target of S-1, "GAN" Field show sand deposition source on Upper Miocene from south west (Mahakam Delta) to north east (Deep Water Kutai basin) which appear as channels direct to basin floor with gas fluid focused on GAN-1 well.

Kata Kunci : analisis multi atribut, inversi coloured, neural network


    Tidak tersedia file untuk ditampilkan ke publik.