Analisis Inversi Simultan dan Model-Based serta Neural Network Untuk Identifikasi Persebaran Litologi Batuan Pada Lapangan "Cijantung", Cekungan Berau, Papua Barat

MUHAMMAD NURRAHMAN, Prof. Dr. Drs. Sismanto, M.Si

2018 | Skripsi | S1 GEOFISIKA

Metode inversi simultan dan model-based serta neural network telah dilakukan untuk identifikasi persebaran litologi dan zona hidrokarbon pada lapangan Cijantung. Proses inversi menghasilkan persebaran nilai impedansi akustik. Sementara itu, proses neural network bertujuan untuk melihat persebaran porositas dari batuan. Dengan melakukan analisis terintegrasi dari hasil inversi dengan neural network, zona litologi batuan dan zona hidrokarbon dapat diidentifikasi. Identifikasi zona litologi dan zona hidrokarbon dibatasi pada horizon umur eosen, jurasik dan triasik. Zona litologi batuan pada sumur dapat dipisahkan dengan melihat sifat fisis setiap batuannya. Sifat fisis yang dapat memisahkan litologi batuan pada sumur daerah penelitian adalah log impedansi akustik, gamma ray, densitas dan porositas yang terdiri dari batuan karbonat, batupasir, batuserpih dan batupasir - hidrokarbon. Korelasi hasil zonasi dengan penampang impedansi akustik memberikan cut-off impedansi akustik untuk masing-masing litologi. Litologi batuan karbonat menjadi litologi yang memiliki cut-off impedansi akustik tertinggi 9756 12195 m/s*g/cc. Zona batuan karbonat memiliki nilai porositas yang rendah dengan nilai cut-off 0.06 0.18 v/v. Indikasi keberadaan hidrokarbon terlihat pada crossplot impedansi akustik dengan gamma ray pada sumur Cijantung-D. Analisis integrasi penampang impedansi akustik dengan penampang porositas, mampu memperlihatkan zona batupasir - hidrokarbon pada sekitar sumur Cijantung-D di lintasan 121.

Simultaneous and model-based inversion with neural network methods have been used to identify the distribution of lithology and the hydrocarbon zones in the "Cijantung" field. The inversion process results the distribution of acoustic impedance values. Meanwhile, the neural network process aims to see the distribution of rocks porosity. By conducting an integrated analysis of the inversion results with the neural network, the lithologic zones and the hydrocarbon zones can be identified. The identification of lithologic zones and hydrocarbon zones is limited to the eocene, jurassic and triassic age horizons. The lithology at the well can be identified by looking at the physical properties of each rock. The physical properties that can distinguish the lithologic zones at the wells of the interest zones are the log of acoustic impedance, gamma ray, density and porosity consisting of carbonate rock, shale, sandstone and hydrocarbons. The correlation between physical properties each rock with the acoustic impedance, gave a cut-off acoustic impedance for each lithology. The lithology of carbonate rock becomes the lithology that has the highest acoustic impedance cut-off 9756 - 12195 m / s * g / cc. The carbonate rocks zone has a low porosity value with a cut-off value of 0.06 - 0.18 v / v. An indication hydrocarbons is seen in acoustic impedance crossplots with gamma rays on the "Cijantung-D" well. Integration analysis of acoustic impedance section with porosity section is able to show sandstone - hydrocarbons zone around "Cijantung-D" well in track 121.

Kata Kunci : Inversi simultan, inversi model based, neural network, batuan karbonat