UNIVERSITAS GADJAH MADA

FAKULTAS MIPA, JURUSAN FISIKA

PROGRAMSTUDI GEOFISIKA
Sekip Utara, Bulaksumur Yogyakarta, 55283 INDONESIA

Buku 2: RKPM
(Rencana Kegiatan Pembelajaran Mingguan)
Modul Pembelajaran ke-11

SEISMIK STRATIGRAFI
Semester Genap/2 sks/ MFG3953
oleh
1. Dr. Mitrayana
2. Eddy Hartantyo, M.Si

Didanai dengan dana BOPTN P3-UGM

Tahun Anggaran 2013

Nopember 2013
 [MATERI 11] Modul Seismik Stratigrafi

11. TEKNIK INVERSI SEISMIK 1

11.1 PENDAHULUAN

11.1.1 Penjelasan Inversi

Inversi seismik atau dekonvolusi stratigrafi menempatkan “spiked” setepat mungkin
untuk menunjukan batas geologi (perubahan litologi) dan juga untuk karakterisasi
reservoar.Secara harafiah inversi berarti mengembalikan operasi ke proses sebelumnya,
namun dalam seismic, inversi berarti transformasi seismic amplitude cube menjadi acoustic
(atau elastic)impedance cube.

11.1.2 Tujuan Inversi

• Meningkatkan seismic refleksi
• Hill (2005) menemukan bahwa prediksi ketebalan dapat dilakukan melalui interpretasi
ketebalan seismic tuning (seismic tuning thickness). Ketebalan tuning adalah batas
minimal ketebalan lapisan batuan yang mampu dilihat atau dibedakan oleh gelombang
seismik. Besaran ketebalan tuning yang biasanya dipakai oleh kalangan geofisikawan
adalah 1/4 panjang gelombang seismik.
http://ensiklopediseismik.blogspot.com/2007/07/keteb-alan-tuning-tuning-
thickness.html

11.1.3 Proses Inversi (Gb 6.16)

Proses inversi dilakukan dengan inversi seismic cube menjadi Acoustic Impedance
Cube. Perubahan AI (acoustic Impedance) ini direpresentasikan dengan perubahan spiked; AI
memiliki relasi dengan karakteristik reservoar seperti porositas, permeabilitas (total dan
efektif), saturasi HC.

hal 11-1
 [MATERI 11] Modul Seismik Stratigrafi

Pemilihan wavelet ditetapkan dengan menerapkan teknik kros-korelasi atau

diturunkan dari penajaman filter yang memungkinkan untuk mentransformasi trace koefisien
refleksi menjadi trace seismic. Dalam inversi stratigrafi melihat kebenaran dari inversi adalah
dengan membandingkan antara trace sintetik dari sumur (wavelet well - Gb 1)dengan trace
seismic yang kita peroleh dari proses seismic.

Gb 1 . Ekstraksi wavelet dari data sumur pada HRS

hal 11-2
 [MATERI 11] Modul Seismik Stratigrafi

11.2 METODE INVERSI POST - STACK (Dalam HRS Gb. 2)

Data input pada algoritma inversi merupakan data yang telah dimigrasi dalam kawasan
waktu melalui proses post - stack. Inversi membutuhkan data seismic yang telah bersih dari
noise dan kondisi data yang tepat. Data yang bersih/baik tersebut diperoleh dengan CDP
gather, Proses preserved amplitude, penyesuaian nilai amplitude terhadap gain control,
menghilangkan efek multiple dan 3-D noise attenuation.

Gb. 2 Metode Inversi data Post - Stack pada HRS

Analisa pembandingan proses seismik adalah pendekatan multi disipliner untuk

menjaga QC dari hasil prosesing, yaitu : quality, turn-around dan cost yang harus disertakan
pada pelaporan hasil analisa (Lihat gambar 3)

Seorang interpreter biasanya telah memiliki bayangan target yang ada pada suatu zona
survey seismik. Sehingga seluruh pemrosesan untuk setiap parameter mengacu pada asumsi
dasar tadi, walaupun target inversi biasanya menunjukan hasil yang agak berbeda.
Seluruh pemrosesan membutuhkan latihan yang cukup sebelum akhirnya melakukan
transformasi dari amplitudo ke dalam AI.

hal 11-3
 [MATERI 11] Modul Seismik Stratigrafi

11.2.1 Integrasi Sederhana dari Trace Seismik (SIMPLE INTEGRATION OF SEISMIC

TRACE)

Koefisien refleksi digunakan dengan asumsi densitas antar lapisan konstant. Synthetic
sonic log section dibuat sebagai penyeimbang pelemahan frekuensi yang terkandung pada
kecepatan yang diperoleh dalam data seismik.Kecepatan dengan frekuensi yang tinggi di
derivasi dari sonic log data sumur. Pada dasarnya, pendekatan frekuensi tinggi diperoleh
dengan menggabungkan sonic log dan kecepatan dari data seismik lapangan. Data seismik
diterjemahkan ke dalam data kecepatan berfrekuensi rendah secara vertikal untuk setiap trace
seismik dengan asumsi tidak ada variasi densitas. Kemudian ditambahkan dengan komponen
kecepatan dari data sumur yang berfrekuensi tinggi sehingga menghasilkan sintetik seismik
yang diderivasi dari sonic log. Untuk memperoleh kecepatan dengan frekuensi tinggi dari
sonic log perlu dilakukan inter/ekstrapolasi dari sumur.

11.2.2 Metode Inversi terwarnai (Coloured Inversion)

Metode ini pada dasarnya adalah integrasi trace dengan mengaplikasikan filter khusus
pada domain frekuensi. Spectrum amplitude dari well log dikomparasikan dengan data
seismic, ini yang mendasari muncul kata ‘coloured’.Operator inversi di desain untuk
mengubah amplitudo seismik ke dalam kawasanfrekuensi yang sesuai dengan apa yang
terlihat pada sumur lalu kemudian diaplikasikan pada seluruh sumur. Merupakan
pengembangan dari metode rekursive/band limited inversion.

hal 11-4
 [MATERI 11] Modul Seismik Stratigrafi

Operasi dihitung dari cross-plot yang dibuat antara amplitudo dan logaritma frekuensi
(amplitude) . Penyelarasan linear ditampilkan untuk menghitung fungsi eksponensial fα, ini
dilakukan untuk menajamkan filter . Filter ini mentransformasikan trace seismic ke dalam
impedansi akustik yang diasumsikan sama. Asumsi ini dibuat ketika seismic cube adalah
zerophase.Hasilnya akan sangat baik apabila nampak flat spot DHI pada data yang telah
diinversi. Metode ini cepat namun tidak akurat.

Gb. 4. Parameter coloured inversion pada HRS

hal 11-5
 [MATERI 11] Modul Seismik Stratigrafi

11.2.3 Inversi ‘Sparse - Spike’

Metode inversi ini disebut pula metode trial and error. Dikarenakan prosesnya
dilakukan berulang sehingga dapat menempatkan spike yang paling sesuai untuk menjelaskan
respon seismiknya. Metode ini bertujuan untuk mengikuti aturan – aturan tertentu dalam
mendapatkan suatu kenampakan. Amplitudo, posisi waktu dan nilai dari AI spike tidaklah
selalu realistik atau tidak memenuhi ketentuan geologi
Apabila tidak ada model sebagai permulaan, maka tingkat ketidak tepatan posisi spike
semakin tinggi dan tidak realistik. Sehingga dibutuhkan pengembangan model sintetik yang
menggambarkan trace seismiknya. Input data membutuhkan proses wavelet yang benar (tidak
harus dengan zero-phase wavelet)

hal 11-6
 [MATERI 11] Modul Seismik Stratigrafi

Proses multi traces dimungkinkan adanya estimasi yang lebih stabil. QC test dilakukan
dengan menghubungkan antara impedansi data log sumur dan inverted traces.(Gb. 3)

hal 11-7
 [MATERI 11] Modul Seismik Stratigrafi

Gb. 3 Melihat QC pada HRS

Inversi ini merubah trace seismik dengan pseudo-acoustic impedance trace disetiap
CDP. Hipotesisi dari sparse – spike sulit untuk menjelaskan geometri lapisan tipis.

11.2.4 Inversi ‘Model - Driven’/ model based inversion pada HRS

Dalam model ini diterapkan simulasi dengan teknik annealing dengan prosedur monte
carlo. (analog dengan pertumbuhan kristal dari pendingan magma ). Menunjukan sintetik
model AI dengan selisih yang sangat kecil sebagai solusi atas berubahnya model AI karena
penggunaan wavelet dan perbedan trace seismik.Dimulai dengan model reflectivity M0 dan
menghitung perbedaannya dengan input data seismik yang telah di convolusi dengan wavelet.
Sehingga terciptalah model baru Mn, selanjutnya M0 dan Mn dibandingkan dan jika
ketidakcocokan untuk f (Mn) lebih kecil dari M0, maka model Mn langsung diterima. Jika f
(Mn) lebih besar dari M0, model Mn diterima tapi dengan probabilitas:

dimana T adalah parameter kontrol (temperature acceptance) yang dikenal sebagai Metropolis
criterion. Proses ini diulang beberapa kali sampai ditemukan nilai threshhold yang stabil.
Inversi Model-Driven berbasis iterasi untuk selalu memperbaiki model awal secara berlapis.

Proses Inversi Model Driven :

• Pengenalan – Proses Iterasi Proses Data untuk mendapatkan sintetikyang sesuai
dengan data real.

hal 11-8
 [MATERI 11] Modul Seismik Stratigrafi

Gb. 6.22 (kiri) Gambar inverse ‘model driven’. Simple inisial model di convolusikan
dengan wavelet seismik untuk menghasilkan trace sintetis yang kemudian
dibandingkan dengan trace seismik realnya. Proses thresholding dilakukan hingga
diperoleh perbedaan antara trace seismik dengan trace hasil inversi. Gambar (kanan)
Dari grid cell volume kemudian model dibuat dalam bentuk cube-cube kecil untuk
melihat kestabilan dari nilai inverse

Gb 6.23 Makro model ditunjukkan dengan keberadaan microlayer. Makrolayer ini

dibentuk dari two way time horizon. Mikrolayer secara otomatis terdapat pada makro
model ini; dan grid cell volume dibentuk berdasarkan inline, crossline dan ketebalan
mikrolayer untuk menyimpan nilai AI yang konstan. Hasil ini dikalkulasi dan
dibandingkan dengan trace seismic realnya.

hal 11-9
 [MATERI 11] Modul Seismik Stratigrafi

Gb. 6.25 Sebuah bulk phase rotation dapat diterapkan untuk zerophase sebuah subcube
seismik. Biasanya prosedur ini berlaku untuk time window yang kecil (<1,5 detik
TWT), di mana wavelet yang stabil berasal. Phase rotation digunakan untuk mencari
kecocokan antara inisial model dengan seismik real

• Hasilnya dievaluasi pada well control point yang disebut well composite plots
(Gambar 6.26).

hal 11-10
 [MATERI 11] Modul Seismik Stratigrafi

Gb. 6.26: Well composite plot digunakan untuk menampilkan hasil inversi. Trace AI
dari welldibandingkan dengan data sebenarnya.

• Seismik dan AI cube dibandingkan (Gambar 6.27).

Gb. 6.27: Perbandingan antara seismik trace dan section AI dan lokasi well.

• Pembuatan Layer maps yang berguna untuk menggambarkan tingkat anomali AI.
Seperti tergambar pada gambar di bawah ini :

hal 11-11
 [MATERI 11] Modul Seismik Stratigrafi

Gb. 6.28: Gambar ini menunjukkan sebaran hidrokarbon secara lateral

KELEBIHAN INVERSI MODEL - DRIVEN

• Metode ini dapat memberikan hasil yang memuaskan bahkan ketika well control
menjadi terbatas dan kualitas data seismik kurang bagus. Selain itu dengan metode ini
juga memungkinkan untuk memperoleh wavelet dari dataset seismik

Gb. 6.29: trace AI dari well dibandingkan dengan AI trace hasil inversi pada lokasi
well. Di sebelah kanan hasil AI dikonvolusi dengan wavelet seismic dan di overlay ke
trace seismik.
hal 11-12
 [MATERI 11] Modul Seismik Stratigrafi

• Dalam area dengan data yang buruk pun inversi ini masih memberikan kontras yang
cukup baik dan rasional.

Gb. 6.30: Model driven inversion menunjukkan meski pada zona dengan data yang
burukpun hasilnya masih sesuai.

• Data seismik dapat menjadi panduan dalam proses inversi. Kesalahan dalam well log
tidak merambat dalam metode inversi. Ini merupakan keuntungan ketika database
sumur tua tidak dapat diandalkan. Kecepatan relatif dan perubahan densitas
disebabkan oleh porefill yang menciptakan anomali AI (Gambar 6.31).

Gb. 6.31: Nilai AI yang rendah menunjukkan tingginya porositas dan adanya
hidrokarbon.

Metode Model-driven lainnya (Invermod) dibuat menggunakan Principle Component

Analysis(PCA, Helland-Hansen et al. 1997). Metode Principle Component Analysis
menghitung respon standar dari input yang dihasilkan dengan menerapkan bobot tertentu.
hal 11-13
 [MATERI 11] Modul Seismik Stratigrafi

Faktor pembobotan diekstrapolasi atas wilayah studi untuk memungkinkan prediksi di luar
titik kontrol.

11.2.5 Inversi ‘Stochastic’

Geostatistik digunakan untuk membuat model bawah permukaan lengkap dan

membatasi inversion solutions. Simulasi dilakukan pada tingkat lokal maupun global, dari
keseluruhan model yang dihasilkan. Semua model disesuaikan dengan data well log, atau
akan ditolak. Probability density functions (PDF’s) ditetapkan untuk masing-masing titik grid
dan digunakan untuk melakukan simulasi random.
Input untuk PDF berasal dari well log, sifat spasial (variogram) dan distribusi litologi.
Algoritma stokastik adalah menghitung setiap simulasi trace seismik sintetis,
membandingkannya dengan trace seismik riil. Sebuah proses simulated annealing digunakan.

Gb. 6.32: Stochastic inversion menggunakan fungsi probabilitas densitas untuk

membuat simulasi model bumi, yag kemudian di konvolusi dengan wavelet seismik
dan dibandingkan dengan seismik real nya.

Dua faktor stratigrafi yang penting untuk efisiensi recovery: konektivitas reservoir dan
heterogenitas permeabilitas. Kedua parameter mempengaruhi efisiensi dari reservoir. Model

hal 11-14
 [MATERI 11] Modul Seismik Stratigrafi

yang muncul secara visual berbeda, tetapi memiliki konektivitas yang sama, well count dan
heterogenitas permeabilitas, memiliki efisiensi serupa

Beberapa parameter reservoir yang penting untuk dipertimbangkan dalam konteks ini:
• Channel width to thickness.
• Sinuosity.
• Stacking pattern.
• Orientation.
• Reservoir element type of facies
• unit (channel, point bar, etc).
• Porosity distribution.
• Permeability distribution.
• Net to gross ratio.
• Rock types.
• Matrix contribution.
• Hydrocarbon saturation.
• Pressure profile.

Data seismik mengukur langsung porositas, jenis fluida, mineralogi dan

kompresibilitas batuan. Mereka merupakan petunjuk untuk ekstrapolasi dari volume pori, net-
to-gross, kontak fluida dan memperluas variasi sementasi. Lingkungan pengendapan
mengontrol tingkat penyortiran, bentuk partikel, dan transisi antar fasies. Pengetahuan ini
berguna dalam menggambarkan unit aliran dalam reservoir dan meningkatkan prediksi
permeabilitas dari sumur.
Kelemahan dari metode probabilistik adalah bahwa intepreter harus menghitung
ketidakpastian dengan cara yang realistis. Ini adalah tugas yang membosankan(cf Klefstad et
al. 2005). Area tanpa kontrol yang tepat juga masih sulit untuk memprediksi dan membuat
asumsi. Ada peningkatan kumulatif dari kesalahan prediksi sebagai parameter reservoir yang
harus diperkirakan pada waktu yang sama.

hal 11-15