ANALISIS COLOURED INVERSION DAN MULTIATRIBUT SEISMIK UNTUK KARAKTERISASI RESERVOIR PADA LAPANGAN F3 NETHERLAND

RIAN NIKI SAPUTRO, Sudarmaji, S.Si.,M.Si.

2015 | Skripsi | S1 GEOFISIKA

Integrasi dari data sumur dan data seismik sangat berguna untuk mendapatkan interpretasi yang baik dalam proses eksplorasi hidrokarbon. Telah dilakukan analisis coloured inversion serta multi atribut seismik pada lapangan F3 Netherland. Hasil yang didapatkan akan digunakan untuk mengetahui jenis litologi pada formasi batuan, serta mengkarakterisasi reservoir tersebut dengan mencari nilai impedansi dan porositasnya. Metode multiatribut terdiri dari 3 langkah yaitu regresi linier multiatribut, supervised neural network, dan unsupervised neural network (unsupervised-vector-quantizer atau UVQ). Hasil yang didapatkan dari metode multiatribut untuk regresi linier multiatribut adalah porosity cube dan porosity map. Hasil dari Supervised neural network didapatkan nilai probabilitas chimney rendah sampai tinggi. Hasil dari UVQ didapatkan interval pemetaan horizon target reservoir. Juga terlihat ada fenomena bright spot dan gas chimney pada bawah permukaan yang berasosiasi dengan adanya akumulasi gas pada lapangan tersebut. Hasil pemrosesan data menunjukkan bahwa litologi didominasi oleh sandstone, shaly sand, dan shale. Nilai dari impedansi pada area penelitian untuk litologi sand dan shale, berkisar antara 10000 m/s*g/cc - 20000 m/s*g/cc, analisis untuk gamma ray sebesar 1 API - 130 API, sedang nilai porositasnya 20 % - 40%. Hasil regresi linier multiatribut nilai porositas prediksi setelah penerapan neural network meningkat dari 0,78 ke 0,79. Nilai supervised neural network didapat probabilitas dari 0 (rendah) ke probabilitas tinggi (2). UVQ terdiri dari segment dengan 10 pusat kluster dan nilai match dari 0,82 - 0,94.

Integration of well and seismic data are very useful to get good interpretation in the process of hydrocarbon exploration. Inversion analysis based on coloured inversion and multiatribut seismic has been done in F3 Field, Netherland. The result obtained will be used to determine the type of formation lithology also for reservoir characterization that are looking for impedance and distribution of porosity. Multiatribut method consist of 3 step that is multiatribut regresi linier, supervised neural network, and unsupervised neural network (UVQ). The result from multiatribut method for multiatribut regresi linier obtained porosity cube and porosity map. Result from Supervised neural network obtained range chimney probability from low to high. Result from UVQ obtained mapping interval on interesting horizon reservoir. Also indication can be seen from the phenomena of bright spot and gas chimney on the sub surface expressions which is associated with the accumulation of gas in the field. From the result of processing the data, suggesting that the litologi dominated by sandstone, shaly sand, shale. The acoustic-impedance magnitude in the study area for sandstone lithologies ranging from 10000 m/s*g/cc - 20000 m/s*g/cc. The quantitative shows gamma ray magnitude in sandstone by 1 API - 130 API, while the magnitude of porosity is 20% to 40%. The result from multiatribut regresi linier that is predicted porosity value after applied neural network increase from 0,78 to 0,79. Supervised neural network value the result is probability from 0 (low) to 2 (high). UVQ consist of segment with 10 cluster centre and match value from 0,82 - 0,94.

Kata Kunci : bright spot, coloured inversion, multiatribut, porositas