Nama

: Chris Evan Sebastian

Asal/angkatan : Fisika ITB/2013

AVO Classification of Lithology and Pore Fluids Constrained by Rock Physics

and Depth Trends

I. Pendahuluan
Dalam eksplorasi menggunakan metode seismic, digunakan data seismic response pada suatu
coverage area serta data well log pada suatu titik pada coverage area tersebut. Variasi atau
perubahan nilai seisimic respone merupakan kontribusi dari depositional trend dan merupakan
informasi yang sangat penting untuk dapat menemukan hidrokarbon. Dengan memperoleh data
dari satu titik well log, maka data tersebut perlu dianalisa sebelum melakukan eksplorasi yang
lebih dalam. Pada penelitian ini, penulis melakukan teknik penentuan respon AVO (Amplitude
versus Offset) sebagai fungsi dari litologi, fluida pori dan kedalaman. Pertama-tama,
dibutuhkan porosity-depth trend (shale dan sand) sebagai data model. Dari data tersebut
kemudian ditentukan pula tren dari Vp/Vs, dan Acoustic Impedance (AI) serta ditambah data
Gamma Ray sehingga dapat diperoleh hasil berupa prediksi letiology-depth trend yang dapat
dibandingkan dengan hasil yang diperoleh oleh well log. Model AVO probability density
function (pdf) kemudian ditentukan untuk dapat memprediksi lithologi dan pore fluid pada
suatu range interval dari data seismic. Penelitian ini dilakukan terhadap unconcolidated deepwater turbidite system di Afrika Barat.
II. Metodologi & Hasil
Untuk mendapatkan model porosity-depth trend pada Shale dan Sand, digunakan formula
empiric Ramm dan Bjorlykke (1994), yaitu
= . (+.)
(1)
Keterangan:
= critical porosity (porositas pada zero-depth)
Cl = Clay Index, merupakan volume total clay relatif terhadap volume total framework grain
= Faktor grain stability pada nilai Cl=0 (clean sandstone)
= Faktor sensitivitas terhadap pertambahan nilai Cl
Z = Burial depth (kedalaman)
Untuk mendapatkan nilai modulus elastic,maka digunakan Hertz Mindlin Contact Theory.
Nilai modulus elastic tersebut kemudian dapat digunakan untuk menghitung Vp/Vs. Data
density didapatkan dari perhitungan porosity trend. Perhitungan depth trend kemudian
dilakukan pada clean sands (oil, brine and gas filled), shaly sand dan shale. Pada clean sand
diasumsikan mengandung 100% quartz 0% clay, pada shaly sand 80%quartz 20% clay.
Modulus efektif mineral tersebut dihitung dengan perumusan Hills Averaging (Mavko 1988).
Perpaduan parameter (Vp/Vs dan AI) depth trend tersebut menunjukkan korelasi yang baik

dengan data yang diperoleh dari well log. Adapun Deviais pada shale trend dapat
mengindikasikan terdapat variasi kandungan silt pada formasi shale tersebut, sementara
deviasi pada shaly sand (dibandingkan dengan clean sand) dapat mengindikasikan adanya
hidrokarbon maupun kandungan clay.
Data Vp, Vs dan density trend dari celan brine sand, shaly sand dan shale kemudian diproses
dengan multiGaussian statictical distribution untuk dapat memperoleh data mean dari tiap
paramtere tersebut pada tiap facies. Untuk data oil dan gas sand, maka digunakan konsep
Gassman.
Adapun nilai Zero Offset Reflectivity (R(0)) bernilai sebanding dengan kontras dari acoustic
impedance, sementara G sebanding dengan kontras nilai Vp/Vs. Dengan menggunakan
simulasi Monte Carlo terhadap R(0) versus G dari data Vp, Vs dan density pada berbagai
kargeori model interface, dapat diperoleh variasi model pdf dalam bentuk scatter plot.
Perumusan AVO ynag digunakan menggunakan Aproksimasi Shuey yaitu
() (0) + . 2 ()

(2)

Model pdf tersebut kemudian digunakan untuk mengkalibrasi data R(0) versus G yang
diperoleh dari data seismic pre-stack yang disertai dengan kalibrasi background window dari
data seismic tersebut. Hasil kalibrasi digunakan untuk melakukan klasifikasi AVO dengan
menggunakan konsep Mahalanobis. Klasifikiasi yang dihasilkan menunjukkan korelasi yang
baik dengan data well log. Bagian top reservoir diidentifikasi sebagai gas sand, diikuti dengan
oil sand dibawahnya. Water sand diidentifikasi sebagai komposisi utama (volume yang
signifikan) pada reservoir. Dari hasil yang didapatkan terlihat bahwa terdapat beberapa data
yang tidak diklasifikasika/no class. Hal ini disebabkan data tersebut merupakan data yang jauh
dari persebaran data utama pada crossplot R(0) vs G. Data tersebut dapat diinterpretasi sebagai
layer cemented sand yang tipis.

Gambar 1. Depth Trend pada GR, AI dan Vp/Vs

Gambar 2. Kategori dari layer interface

Gambar 3. Model AVO Scatter Plot (R(0) vs G) pada variasi interface layer

Gambar 4. Kalibrasi AVO attribute yang diperoleh dari pre-stack seismic

data dengan model AVO pdf pada Gambar 3

III. Kesimpulan
Hasil penelitian ini menujukkan bahwa kalibrasi data seismic dengan AVO pdf dapat
menghasilkan prediksi litologi yang baik sehingga dapat digunakan lebih lanjut dalam tahapan
interpretasi seismic. Adapun keterbatasan dari metode ini adalah effect overburden yang dapat
menghasilkan ambiguitas pada parameter Rock Physcis serta respon AVO yang diperoleh.